基于多分类器融合的可见光室内定位
机器学习
2017-12-21 v2 计算机视觉与模式识别
摘要
提出一种利用可见光接收信号强度的多分类器融合定位技术。在该系统中，LED 发射不同强度调制的正弦信号，由放置于各网格点的光电二极管接收。首先，通过捕获各给定网格点处接收信号功率谱密度的峰值，获得一些近似的接收信号强度指纹。与现有基于接收信号强度的算法不同，本文采用多种代表性机器学习方法，基于这些接收信号强度指纹训练多个分类器。多分类器定位估计器在精度和鲁棒性上均优于经典的基于接收信号强度的 LED 定位方法。为进一步提升定位性能，提出了两种鲁棒的融合定位算法，即网格无关最小二乘和网格相关最小二乘，以组合这些分类器的输出。我们还使用基于奇异值分解的最小二乘法来缓解预测矩阵奇异时的数值稳定性问题。在强度调制/直接检测系统上进行的实验证明了所提算法的有效性。实验结果表明，在 FFT 长度为 2000 时，与接收信号强度比值法和接收信号强度匹配法相比，网格相关最小二乘法实现均方定位误差小于 5 厘米的概率分别提高了 93.03% 和 93.15%。
引用
@article{arxiv.1703.02184,
title = {Indoor Localization Using Visible Light Via Fusion Of Multiple Classifiers},
author = {Xiansheng Guo and Sihua Shao and Nirwan Ansari and Abdallah Khreishah},
journal= {arXiv preprint arXiv:1703.02184},
year = {2017}
}