基于核岭回归和粒子滤波的室内移动目标追踪算法研究

本文提出了一种基于核岭回归和粒子滤波的室内移动目标追踪算法,该算法在离线阶段采用核岭回归方法提取传感器之间的距离与RSSI(Received Signal Strength Indicator)信号值之间的非线性关系,从而训练出一种非线性回归距离模型;在线追踪阶段,利用非线性回归模型和粒子滤波算法实现室内移动目标的定位和追踪。本文在典型的室内办公环境下进行实验,并通过MATLAB对实测数据进行仿真。实验结果表明,相比WKNN算法和KF算法,本文所提出的算法能到达更好的定位精度,误差均值为1.2743 m。

一种基于核岭回归与卡尔曼滤波的定位算法

传感器定位技术作为无线传感器网络的重要课题之一,为实现目标实时定位,提出一种基于核岭回归与卡尔曼滤波的定位算法。该算法在离线阶段使用核岭回归算法(KRR)对无线位置指纹数据库进行训练,从而得到一个可反映信号强度指标(RSSI)与位置坐标之间映射关系的函数;在线阶段先利用离线阶段得到的函数对目标进行粗定位,再结合卡尔曼滤波(KF)方法对目标进行精确定位。实验结果表明,在真实室内办公环境下,相比KNN算法与核函数(Kernel)算法,该算法能实现更好的定位精度,平均定位误差为1.898 3m。