[1]吴 璇,薛 峰,余 敏*.基于蚁群算法的支持向量机室内蓝牙标定定位[J].江西师范大学学报(自然科学版),2020,(02):148-152.[doi:10.16357/j.cnki.issn1000-5862.2020.02.06]
　WU Xuan,XUE Feng,YU Min*.The Indoor Positioning Method with Bluetooth Calibration of Supporting Vector Machine Based on Ant Colony Algorithm[J].Journal of Jiangxi Normal University:Natural Science Edition,2020,(02):148-152.[doi:10.16357/j.cnki.issn1000-5862.2020.02.06]
点击复制

基于蚁群算法的支持向量机室内蓝牙标定定位()
分享到：

《江西师范大学学报》（自然科学版）[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2020年02期
页码:
148-152
栏目:
信息科学与技术
出版日期:
2020-04-10

文章信息/Info

Title:
The Indoor Positioning Method with Bluetooth Calibration of Supporting Vector Machine Based on Ant Colony Algorithm
文章编号:
1000-5862(2020)02-0148-05
作者:
吴 璇1; 薛 峰2; 余 敏1*
1.江西师范大学软件学院,江西 南昌 330022; 2.江西师范大学计算机信息工程学院,江西 南昌 330022
Author(s):
WU Xuan1; XUE Feng2; YU Min1*
1.College of Software,Jiangxi Normal University,Nanchang Jiangxi 330022,China; 2.College of Computer and Information Engineering,Jiangxi Normal University,Nanchang Jiangxi 330022,China
关键词:
软硬件异构;  蓝牙标定;  支持向量机;  蚁群算法;  标定模型
Keywords:
hardware and software heterogeneity;  bluetooth calibration;  support vector machine;  ant colony algorithm;  calibration model
分类号:
P 228
DOI:
10.16357/j.cnki.issn1000-5862.2020.02.06
文献标志码:
A
摘要:
针对不同型号的智能手机之间存在硬件差异,导致在使用不同的智能手机进行室内定位时,采集同一蓝牙信号强度观测值存在偏差而影响定位精度的问题,提出了一种基于蚁群算法的支持向量机室内定位蓝牙标定方法.由于支持向量机参数的选取对其预测精度影响较大,因此利用蚁群算法避免人为盲目地选择支持向量机的参数,优化模型并提高预测精度.实验结果表明:基于蚁群算法的支持向量机室内定位蓝牙标定方法相比标定前的精度提高了37.3%,可以有效地进行室内定位.
Abstract:
For hardware differences between different models of smartphones,it can occur a deviation when smartphone indoor positioning is used to collect the same bluetooth signal strength measurements,it may affect the positioning accuracy.The indoor positioning bluetooth calibration method of support vector machine(SVM)based on ant colony algorithm is proposed in this paper.Since the selection of SVM parameters has a great influence on its prediction accuracy,ant colony algorithm can avoid blindly selecting SVM parameters,optimize the model and improve the prediction accuracy.Experiments show that the accuracy of the proposed method is 37.3% higher than that before calibration,and the proposed method can effectively perform indoor positioning.

参考文献/References:

[1] 陈锐志,陈亮.基于智能手机的室内定位技术的发展现状和挑战[J].测绘学报,2017,46(10):1316-1326.
[2] 邓中亮,尹露,唐诗浩,等.室内定位关键技术综述[J].导航定位与授时,2018,5(3):14-23.
[3] 宋斌斌,余敏,何肖娜,等.一种BP神经网络的室内定位Wifi标定方法[J].导航定位学报,2019,7(1):43-47.
[4] Haeberlen A,Flannery E,Ladd A M,et al.Practial robust localizationover lar-ge-scale 802.11 wireless networks[EB/OL].[2019-09-13].https://dl.acm.org/citation.cfm?id=1023728.
[5] Kjaergaard M B.Automatic mitigationof sensor variations for signal strength based location systems[EB/OL].[2019-09-13].https://dl.acm.org/doi/10.1007/11752967_3.
[6] 刘涛,王华.传感器非线性校正的遗传支持向量机方法[J].电子测量与仪器学报,2011,25(1):56-60.
[7] 张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):36-46.
[8] 闫国华,朱永生.支持向量机回归的参数选择方法[J].计算机工程,2009,35(14):218-220.
[9] 梁礼明,陈明理,刘博文,等.基于分形理论的支持向量机核函数选择[J].江西师范大学学报:自然科学版,2019,43(3):309-313,319.
[10] 史恩秀,陈敏敏,李俊,等.基于蚁群算法的移动机器人全局路径规划方法研究[J].农业机械学报,2014,45(6):53-57.
[11] Vapnik Vladimir N.The nature of statistical learning theory[M].2nd ed.New York:Springer-Verlag,2000.
[12] 赵琳.基于RSSI的核函数机器学习室内定位技术[D].南京:南京邮电大学,2018.
[13] 林升梁,刘志.基于RBF核函数的支持向量机参数选择[J].浙江工业大学学报,2007,35(2):163-167.
[14] 庄严,白振林,许云峰.基于蚁群算法的支持向量机参数选择方法研究[J].计算机仿真,2011,28(5):216-219.
[15] Matthias,Wittlinger,Rüdiger,et al.The ant odometer:stepping on stilts and stumps[J].Science,2006,312(5782):1965-1967.

备注/Memo

备注/Memo:
收稿日期:2019-10-20
基金项目:国家重点研发计划课题(2016YFB0502204)资助项目.
通信作者:余 敏(1964-),女,江西南昌人,教授,博士生导师,主要从事无线传感器网络与技术等研究.E-mail:myu821@163.com
更新日期/Last Update: 2020-04-10