基于CSI和加权混合回归的室内定位方法

作     者：李芬芳 汝春瑞 党小超 郝占军 LI Fenfang;RU Chunrui;DANG Xiaochao;HAO Zhanjun

作者机构：西北师范大学计算机科学与工程学院甘肃兰州730070 甘肃省物联网工程研究中心甘肃兰州730070 

出 版 物：《传感技术学报》 (Chinese Journal of Sensors and Actuators)

年 卷 期：2022年第35卷第5期

页      面：667-675页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0802[工学-机械工程] 0811[工学-控制科学与工程] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61762079) 甘肃省科技重点研发项目(20YF8GA048) 甘肃省科技创新基地和人才计划项目(20JR10RA096) 西北师范大学青年教师科研能力提升计划项目(NWNU-LKQN2019-28) 

主　　题：Wi-Fi感知 室内定位技术 信道状态信息 支持向量回归 K近邻回归 加权混合回归 

摘      要：近年来,Wi-Fi感知凭借低成本、非接触、不受光照影响、隐私性好等优势,成为人机交互的新兴研究方向。为了提高室内定位技术的精度,提出了一种基于信道状态信息(Channel State Information,CSI)的加权混合回归(Weighted Mixed Regression,WMR)室内定位算法WMR_SKR。该方法分为离线训练和在线预测两个阶段。离线阶段单独训练支持向量回归(Support Vector Regression,SVR)和K近邻回归(K-Nearest Neighbor Regression,KNR)模型,并获得最优的权重分配,建立加权混合回归模型WMR_SKR。在线阶段通过WMR_SKR模型实时预测目标的位置。实验结果表明,本文的WMR_SKR模型在视距环境中82%的概率下定位精度能够达到1 m,非视距环境中80.6%的概率下达到1.5 m,且平均误差和标准误差均小于1.5 m。WMR_SKR模型有效融合了SVR和KNR的优点,提高了室内定位技术的性能。