基于PCA-SMO的CSI指纹定位方法

作者：孟俊剑,邹进贵,赵胤植

摘要：Wi-Fi信道状态信息(CSI)中包含丰富的特征信息,使得基于CSI的指纹定位方法可以构建更高维度的特征以改善定位精度,但指纹特征中的冗余信息也导致构建的指纹库存储量大、建立定位模型的时间开销变大以及实时定位计算量大等问题.对此,提出使用主成分分析(PCA)的方法对原始指纹特征进行降维,而后利用序列最小最优化算法(SMO)建立降维后特征与对应位置的回归模型并进行位置预测.实验结果表明,此算法在有效克服上述问题的同时,平均定位误差为1.25 m,定位误差在2 m之内的累计概率可以达到97%.

发文机构：武汉大学测绘学院

关键词：主成分分析(PCA)序列最小最优化算法(SMO)信道状态信息(CSI)指纹定位PCASMOCSIfingerprint positioning

分类号：