煤矿井下巷道中RSS指纹数据快速生成方法

针对煤矿井下巷道中传统逐点采集RSS指纹数据效率低的问题,提出了一种基于Kriging插值算法的RSS指纹数据快速生成方法。该方法在已知少量观测点的RSS指纹数据情况下,根据实验变差函数拟合出理论变差函数,然后在无偏估计和最小估计方差的条件下求解Kriging插值算法的权重系数,计算待估点的RSS指纹数据。实验结果表明,利用该方法得到的RSS指纹数据准确性高,定位误差小。

室内指纹数据快速生成方法

当对一个定位区域建立RSS指纹数据模型时,传统的方法由于要采集每个点的RSS指纹数据,往往需要大量的人力物力和财力。为了寻找一种便捷的方法来获取指纹数据,提出通过把无线信号分为近场区和远场区,根据他们不同的特征,应用不同的Kriging插值算法,通过已知点接收的信号强度计算出待估点的接收信号强度。这样,区域中各个点的RSS指纹数据通过算法就能够便捷地得到,并使得到的RSS指纹数据可以作为定位来使用。实验表明该方法大大提高了RSS指纹数据的获取效率,而且精度很高。

一种基于SVR的定位误差修正算法

针对井下无线信号传播环境发生改变需要重新采集RSS(received signal strength)指纹数据的问题,提出一种基于支持向量回归(SVR)的定位误差修正算法。该算法在离线阶段利用支持向量回归机,建立待训练点的RSS值和定位结果与定位误差之间的非线性关系,在线阶段利用该模型计算RSS样本的定位误差,并修正定位结果。实验结果表明,在离线训练点数量增加前后,该修正算法比指纹匹配算法的定位误差分别减少了22%与38%。