面向WLAN室内定位的T检验样本容量优化方法

doi:10.3969/j.issn.0372-2112.2018.06.011

电子学报 ›› 2018, Vol. 46 ›› Issue (6): 1351-1356.DOI: 10.3969/j.issn.0372-2112.2018.06.011

面向WLAN室内定位的T检验样本容量优化方法

周牧, 卫亚聪, 田增山, 李玲霞

重庆邮电大学移动通信重点实验室, 重庆 400065

收稿日期:2017-01-06 修回日期:2017-06-05 出版日期:2018-06-25
- 作者简介:
- 周牧,男,1984年生于重庆.现为重庆邮电大学教授.主要研究方向为无线定位技术、机器学习与人工智能、凸优化理论.E-mail:zhoumu@cqupt.edu.cn;卫亚聪,女,1993年生于山西临汾.现为重庆邮电大学硕士生.主要研究方向为无线定位技术、数值计算.E-mail:2540462563@qq.com;田增山,男,1968年生于河南固始.现为重庆邮电大学教授、博士生导师.主要研究方向为蜂窝网无线定位系统、个人通信、GPS精密定位和姿态测量、数据压缩和数据融合.E-mail:tianzs@cqupt.edu.cn;李玲霞,女,1976年生于湖北.现为重庆邮电大学高级工程师,硕士生导师,主要研究方向为未来移动通信理论与技术、宽度无线接入技术.E-mail:lilx@cqupt.edu.cn
- 基金资助:
- 国家自然科学基金资助项目 (No.61301126，No.61471077）; 长江学者和创新团队发展计划基金资助项目 (No.IRT1299）; 重庆市科委重点实验室专项经费基金资助项目; 重庆市基础与前沿研究计划基金资助项目 (重点） (No.cstc2015jcyjBX0065）; 重庆市高校优秀成果转化基金资助项目 (No.KJZH17117）; 重庆市科委重点实验室专项经费，重庆邮电大学青年科学研究项目 (No.A2013-31）

T-test Based Sample Capacity Optimization for WLAN Indoor Localization

ZHOU Mu, WEI Ya-cong, TIAN Zeng-shan, LI Ling-xia

Chongqing Key Lab of Mobile Communication Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China

Received:2017-01-06 Revised:2017-06-05 Online:2018-06-25 Published:2018-06-25

摘要/Abstract

摘要： WLAN（Wireless Local Area Networks）室内定位已受到人们广泛的关注，而在离线指纹采集阶段常常容易造成位置指纹RSS数据采集的盲目性和不可靠性，并忽略所需采集RSS（Received Signal Strength）样本容量与定位性能的关系.为了解决这一问题，本文提出一种面向WLAN室内定位的T检验样本容量优化方法.该方法在离线阶段利用OC（Operating Characteristics）函数优化指纹数据库允许的最小RSS样本容量，而在在线阶段利用T检验方法对目标终端进行粗定位，并进而提出基于T检验的KNN（K-Nearest Neighbour）算法以完成对目标终端的精定位.此方法用有限的样本容量获得较稳定的定位性能分析结果，显著地减少了大量的人力和时间开销.

关键词: 室内定位, 样本容量, T检验, OC函数, K近邻

Abstract: WLAN indoor localization has caught significantly wide attention.In offline phase,the location fingerprint RSS data acquisition often results in blindness and unreliability,and ignores the relations between the required RSS sample capacity and localization performance.To solve this problem,a new T-test based sample capacity optimization approach for WLAN indoor localization is proposed.In offline phase,the Operating Characteristics (OC) function is used to optimize the allowable minimum RSS sample capacity for the fingerprint database construction.In online phase,we perform the rough localization by using the T-test approach,and then propose the T-test based KNN algorithm for the fine localization of target terminal.This method uses a limited sample capacity to obtain a more stable localization performance analysis results,significantly reducing the amount of manpower and time overhead.

Key words: indoor localization, sample capacity, T-test, OC function, K-nearest neighbor

中图分类号:

TP391

周牧, 卫亚聪, 田增山, 李玲霞. 面向WLAN室内定位的T检验样本容量优化方法[J]. 电子学报, 2018, 46(6): 1351-1356.

ZHOU Mu, WEI Ya-cong, TIAN Zeng-shan, LI Ling-xia. T-test Based Sample Capacity Optimization for WLAN Indoor Localization[J]. Acta Electronica Sinica, 2018, 46(6): 1351-1356.

参考文献

[1] SHIN H,CHON Y,KIM Y,et al.MRI:Model-based radio interpolation for indoor war-walking[J].IEEE Transactions on Mobile Computing,2015,14(6):1231-1244.
[2] JUNG S,LEE C,HAN D.Wi-Fi fingerprint-based approaches following Log-distance path loss model for indoor positioning[A].2011 IEEE MTT-S International Microwave Workshop Series on Intelligent Radio for Future Personal Terminals[C].United States:IEEE Computer Society,2011.1-2
[3] 刘剑,龚志恒,吴成东,等.一种基于改进高斯过程隐变量模型的多角度人脸识别算法[J].电子与信息学报,2013,35(9):2033-2039. LIU J,GONG Z H,WU C D,et al.A multi-angle face recognition algorithm based on modified gaussian process latent variable model[J].Journal of Electronics and Information Technology,2013,35(9):2033-2039.(in Chinese)
[4] GU Z,CHEN Z Q,ZHANG Y X,et al.Reducing fingerprint collection for indoor localization[J].Computer Communications,2015,83:56-63.
[5] HAN S,ZHAO C,MENG W X.Cosine similarity based fingerprinting algorithm in WLAN indoor positioning against device diversity[A].IEEE International Conference on Communications,ICC 2015[C].London:Institute of Electrical and Electronics Engineers Inc,2015.2710-2714.
[6] TORRES-SOSPEDRA J,MONTOLIU R,MARTINEZ-USO A,et al.UJⅡndoorLoc:A new multi-building and multi-floor database for WLAN fingerprint-based indoor localization problems[A].5th International Conference on Indoor Positioning and Indoor Navigation,IPIN 2014[C].Korea:Institute of Electrical and Electronics Engineers Inc,2014.261-270.
[7] KARIM T,REMI C,FLORENT R.Fully automatic detection of anomalies on wheels surface using an adaptive accurate model and hypothesis testing theory[A].24th European Signal Processing Conference,EUSIPCO 2016[C].Hungary:European Signal Processing Conference,2016.508-512.
[8] 甘伦知.假设检验中控制第二类错误的探讨[J].统计与决策,2011,346(22):35-37. GAN L Z.On the control of errors of the second kind in hypothesis test[J].Statistics and Decision,2011,346(22):35-37.(in Chinese)

[1]	杨小龙, 李欣玥, 周牧, 王勇, 何维. 基于多维模糊映射AP优化的WLAN室内定位方法[J]. 电子学报, 2022, 50(8): 1875-1884.
[2]	罗忠涛, 严美慧, 卢琨, 夏杭. 超视距雷达中射频干扰仿真与距离-多普勒图检测方法[J]. 电子学报, 2022, 50(5): 1174-1180.
[3]	苏林林, 陈亮, 陈菲菲, 周鑫, 焦振航, 刘钊良. 面向B5G/6G的GFDM信号高精度测距与定位研究[J]. 电子学报, 2022, 50(4): 849-859.
[4]	黄璐, 蔚保国, 李宏生, 李隽, 贾浩男, 程建强, 李雅宁. GNSS拒止环境下的伪卫星指纹定位方法[J]. 电子学报, 2022, 50(4): 811-822.
[5]	何维, 朱子越, 任彦, 谢良波, 田增山. 基于载波相位的RFID单站高精度定位算法[J]. 电子学报, 2022, 50(3): 672-680.
[6]	刘公绪, 高新波, 何立火, 解宇, 路建民. 基于地磁与空间上下文信息的半解析定向方法[J]. 电子学报, 2022, 50(1): 116-123.
[7]	田增山, 未平, 李泽, 周牧. 基于Wi-Fi的室内实时角度定位算法[J]. 电子学报, 2021, 49(2): 408-416.
[8]	吴志东, 唐涛, 王鼎. 基于磁势梯度与高斯过程的空间磁场构建方法[J]. 电子学报, 2020, 48(12): 2304-2312.
[9]	凌广明, 徐爱萍, 王伟. 基于深度学习的地址信息自动标注研究[J]. 电子学报, 2020, 48(11): 2081-2091.
[10]	李泽, 田增山, 王中春, 王亚. 基于粒子群优化的多径辅助室内定位算法[J]. 电子学报, 2020, 48(10): 1952-1960.
[11]	薛塬, 苏伟, 王洪超, 杨冬. 支持异步TDOA测量的确定性定位网络[J]. 电子学报, 2019, 47(10): 2017-2024.
[12]	田增山, 张千坤, 周牧, 王斌. 基于CFR虚拟阵列天线的AOA室内定位[J]. 电子学报, 2018, 46(6): 1468-1474.
[13]	徐婕, 贺美美. 基于马氏抽样的SVM非平衡数据分类算法的泛化性能研究[J]. 电子学报, 2018, 46(11): 2660-2670.
[14]	毛科技, 邬锦彬, 金洪波, 苗春雨, 夏明, 陈庆章. 面向非视距环境的室内定位算法[J]. 电子学报, 2016, 44(5): 1174-1179.
[15]	王忠伟, 陈叶芳, 钱江波, 陈华辉. 基于LSH的高维大数据k近邻搜索算法[J]. 电子学报, 2016, 44(4): 906-912.

面向WLAN室内定位的T检验样本容量优化方法

T-test Based Sample Capacity Optimization for WLAN Indoor Localization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics