一种融合概率分类模型的精细化室内定位方法
孙顺远
朱红洲
江南大学轻工过程先进控制教育部重点实验室 无锡 214122;江南大学物联网工程学院 无锡 214122
摘要：针对大型目标区域室内定位中定位精度低及信号间干扰等问题,提出一种融合概率分类模型的精细化定位方法.对于大型定位区域,采用以RP的信号强度对目标区域聚类分区,缩小信号变化区域.信号的多径效应带来信号依据下的错误分区,该文采用汤普森检验理论对分区参考点进行物理坐标校验以剔除异常点.为减小AP间信号干扰,引入多元高斯的朴素贝叶斯模型对不同AP信号建立高斯概率模型,融合一对多支持向量机概率模型以提高算法定位精度.测试分析表明,该算法实现较好的聚类分区,降低信号间干扰,平均定位精度达到0.4008m,相比于其他传统算法,定位精度提高27%以上.
关键词：聚类分区异常点剔除多元高斯贝叶斯模型一对多支持向量机线性加权
分类号：O141.4(数理逻辑、数学基础)
论文发表日期：2023-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1059-1064 )
英文信息