基于集成深度神经网络的室内无线定位
沈冬冬(
),周风余*(),栗梦媛,王淑倩,郭仁和 山东大学控制科学与工程学院, 山东 济南 250061
收稿日期:2018-05-02出版日期:2018-10-01发布日期:2018-05-02通讯作者:周风余E-mail:shendongdong724@foxmail.com;zhoufengyu@sdu.edu.cn作者简介:沈冬冬(1992—)，男，安徽安庆人，硕士研究生，主要研究方向为深度学习. E-mail:基金资助:国家重点研发计划(2017YFB1302400);国家自然科学基金资助项目(61773242);山东省重大科技创新工程资助项目(2017CXGC0926);山东省重点研发计划资助项目(公益类专项)(2017GGX30133)Indoor wireless positioning based on ensemble deep neural network
Dongdong SHEN(),Fengyu ZHOU*(),Mengyuan LI,Shuqian WANG,Renhe GUO School of Control Science and Engineering, Shandong University, Jinan 250061, Shandong, China
Received:2018-05-02Online:2018-10-01Published:2018-05-02Contact:Fengyu ZHOU E-mail:shendongdong724@foxmail.com;zhoufengyu@sdu.edu.cnSupported by:国家重点研发计划(2017YFB1302400);国家自然科学基金资助项目(61773242);山东省重大科技创新工程资助项目(2017CXGC0926);山东省重点研发计划资助项目(公益类专项)(2017GGX30133)摘要/Abstract
摘要： 针对传统无线定位模型对指纹数据库容错性低、抗噪能力弱等问题,提出一种基于数据融合的集成深度神经网络无线定位方法,从原始指纹数据库中按照一定比例随机取样生成各基学习器的训练数据,能够有效克服异常样本与有噪数据对无线定位系统带来的干扰;在指纹数据库构建过程中,提出Gauss-Occupied (G-O)数据扩充方法以解决无线指纹数据库样本容量小的局限,大幅度降低人工采集的成本,进一步提高样本空间的表征范围。试验结果表明:提出的模型不仅能够有效提高无线定位系统的平均定位精度与抗噪能力,而且能够明显降低定位过程中出现的单点最大误差。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1717
