基于支持向量机的混合相似度室内指纹定位算法

摘要

传统室内指纹定位算法因参考点匹配精度低,导致定位误差大.为此,提出基于支持向量机(SVM)的混合相似度加权K近邻算法SVM-MWKNN.在离线阶段,将已采集的接收信号强度值进行去干扰处理后,对指纹库作网格划分,然后使用SVM实现网格学习;在定位阶段,使用SVM进行网格寻找,确定待定位点指纹所属网格,然后求出k个最大相似度值作为权值以实现定位.实验结果表明,与已有的位置指纹定位算法相比,该算法通过建立多相似度指标,可以有效提高数据利用率,减少定位误差,定位精度提高达45％.