基于电力线室内定位算法研究.pdf

第 3 7卷第 1 期 2 0 1 6年 1月 仪 器 仪 表 学 报 C h i n e s e J o u r n a l o f S c i e n t i f i c I n s t r u me n t Vo L 3 7 No 1 J a n 2 0 1 6 基于电力线室内定位算法研究 冰 黄丹平 ， 于少东 ， 田建平 ， 胡 勇 ( 1 四川理工学院 自贡6 4 3 0 0 0； 2 四川省人工智能重点实验室 自贡6 4 3 0 0 0 ) 摘要： 针对现有室内定位系统成本高、 供电不方便和扩展性差等问题 ， 提出了基于电力线室内定位系统， 论述该系统工作原 理。在此基础上， 提出基于支持向量分类机 S V C M和 K近邻法 K N N的混合室内定位算法进行定位并详细论述其原理； 通过试 验采集信号， 分析了基于电力线定位信号室内传播特点， 建立了接收信号强度 R S S 特征样本库； 最后分别应用 S V C M、 K N N以及 S V C M K N N算法进行定位实验， 对比了三者定位性能。实验结果表明， S V C M K N N算法可以有效降低定位误差 ， 达到室内定位 精度的要求。 关键词：电力线； 室内定位 ； 支持向量机； K近邻法 中图分类 号 ： T P 3 9 3 T H 8 9 文献标识码 ： A 国家标准学科分类代码 ： 5 1 0 9 9 Re s e a r c h o n i n do o r p o s i t i o n i ng a l g o r i t hm ba s e d o n p o we r - l i ne Hu a n g D a n p i n g ，Y u S h a o d o n g ，T i a n J i a n p i n g ，Hu Yo n g ( J S i c h u a n U n i v e r s i t y o fS c i e n c e a n d E n g i n e e r i n g ， Z i g o n g 6 4 3 0 0 0 ， C h i n a ； 2 A r t ific i a l I n t e U i g e a c e K e y L a b o r a t o r y of S i c h u a n P r o v i n c e ， Z i g o n g 6 4 3 0 0 0， C h i n a ) Ab s t r a c t ：Ai mi n g a t t h e d e f i c i e n c i e s o f h i g h c o s t ，i n c o n v e n i e n c e i n p o we r i n g t h e p o s i t i o n i n g s y s t e m a n d p o o r s c a l a b i l i t y o f t h e e x i s t i n g i n d o o r p o s i t i o n i n g s y s t e ms，t h i s p a p e r p r o p o s e s a n i n d o o r p o s i t i o n i n g s y s t e m b a s e d o n p o we r l i n e ；a n d t h e wo r k i n g p r i n c i p l e o f t h e s y s t e m i s d i s c u s s e d On t h e b a s i s o f a b o v e t h e h y b rid i n d o o r p o s i t i o n i n g a l g o r i t h m b a s e d o n S u p p o Ve c t o r C l a s s i fi c a t i o n Ma - c h i n e a n d K- Ne a r e s t Ne i g h b o r i s p r o p o s e d T h e p r i n c i p l e o f t h e a l g o r i t h m i s d i s c u s s e d i n d e t a i l T h r o u g h t h e s i g n a l c o l l e c t i o n wi t h t h e a c q u i s i t i o n s y s t e m ，t h e i n d o o r t r a n s mi s s i o n c h a r a c t e r i s t i c s o f t h e p o s i t i o n i n g s i g n a l b a s e d o n p o we r l i n e i s a n a l y z e d a n d t h e RS - S I f e a t u r e s a mp l e l i b r a r y i s e s t a b l i s h e d At l a s t ，t h e p o s i t i o n i n g e x p e rime n t s w e r e c o n d u c t e d u s i n g S VCM ，KNN a n d S VCM KNN a l g o r i t h ms ；t h e i r p o s i t i o n i n g p e r f o r ma n c e s we r e c o mp a r e d Th e e x p e rime n t r e s u l t s s h o w t h a t t h e S VCM- KNN a l g o rit h m c a n r e d u c e t h e p o s i t i o n e r r o r e f f e c t i v e l y a n d a c h i e v e t h e i n d o o r p o s i t i o n i n g p r e c i s i o n r e q u i r e me n t Ke y wo r d s ： p o w e r - l i n e ； i n d o o r p o s i t i o n i n g ；s u p p o v e c t o r m a c h i n e ；K - n e a r e s t n e i g h b o r( K N N) 1 引 言 近年来 ， 随着科学技术的飞速发展 ， 对于普适计算的 要求， 基于室 内位置信息的服务越来越受到人们关注。 目前， 传统的G P S和蜂窝定位技术， 由于信号在室内被 屏蔽的缘故， 难以满足室内定位精度要求 ， 国内外的室内 定位系统常用技术主要包括辅 助 G P S技术 ( a s s i s t e d G P S ， A G P S ) 、 A c t i v e B a d g e 、 A c t i v e B a t 、 基于信誉感知的 资源发现算法 ( r e p u t a t i o n a w a r e r e s o u r c e d i s c o v e r y a l g o 一 收稿 日 期： 2 0 1 5 - 0 6 R e c e i v e d D a t e ： 2 0 1 5 - 0 6 基金项 目： 人工智能 t J i I 省重点实验室( 2 0 1 3 R Y Y 0 3 ) 项 目 资助 r i t h m， R A R D A) 和射频识别 ( r a d i o f r e q u e n c y i d e n t i f i c a t i o n ， R I F D ) 等。上述定位技术已经取得了一定效果 ， 其中一 些系统 已经达到 了很高 的定位精度。但上述技术依赖 于 额外 的硬件开支 ， 并且存在 着系统部署复杂 、 成本 高、 可 扩展性差、 信号发射点所需能源供应不便和实用性不高 等缺点 。 针对上述 问题 ， 根据 电力线通讯原理 ， 研发一种基于 室内电力线新型定位系统及其相关定位算法， 用于室内 移动节点的定位。该室内定位系统与其他定位系统相 比， 要求该室内定位系统中接入点( a c c e s s p o i n t ， A P ) 信 学兔兔 w w w .x u e t u t u .c o m 第 1 期 黄丹平 等： 基于电力线室内定位算法研究 1 3 7 号能借助于楼宇内广泛分布的电力线进行无线发射。因 该系统通过电力线上进行信号传播 ， 所以也要求其定位 范围能大幅度增加 ， 并且该系统在不 需其他额外辅 助设 备， 仅需布置少量的A P及移动节点， 就能满足室内定位 精度要求 。此外 ， 用户可以根据室 内空间大小 ， 柔性配置 信号发生器的数量。因此， 根据上述定位系统所具有扩 展灵活 、 易部署等特点 。首先对基 于 电力线 的室内定位 系统工作原理进行论述 ， 并在大量测试数据 的基础上 ， 针 对电力线定位信号特点， 着重研究了室内移动节点定位 的算法， 并对其定位精度进行测试分析。 2 基于电力线定位系统工作原理 从 2 0世纪初电力线载波通信技术出现开始， 电力线 复用技术一直备受研 究人员关 注 。 目前 ， 我 国无论城 乡、 经济发达或落后地区基本都完成 了电力线的覆盖。 电力线具有覆盖率高、 可靠性高、 再利用成本低等特点。 因此 ， 基于室 内广泛分布 的电力线 ， 本文提出了一种新 型 室 内定位 系统 。系统构成如图 1 所示 。 图 1 基于电力线室内定位系统结构图 F i g 1 S t r u c t u r e d i a g r a m o f t h e i n d o o r p o s i t i o n i n g s y s t e m b a s e d o n p o w e r l i n e 该室内定位系统由信号发射装置、 信号接收装置以 及定位终端等 3 个部分构成 ， 如图 2所示 。其 中， 信号发 射系统主要用于产生不同频率信号 ， 并将这些不同频率 信号馈人电力网。信号发射系统由若干个 A P组成 ， 每 个 A P主要包括一个信号发生模块和强电隔离模块。不 同A P信号发生模块产生不同频率的信号。为保证设备 的安全性以及避免电力线内强电对信号发生设备造成损 坏， 使用强 电隔离模块完成信号发生模块与电力线的 耦合 。 开启信号发射系统电源后， 系统开始工作， 所有 A P 通过电力线向室内空问发射幅值为 2 V， 频率在 0 1 2 M H z 之间某一固定频率的电磁波信号， 如图2所示 ， 并 通过隔离装置将信号耦合到电力线上。民用电属于低频 信号， A P的信号属于高频， 因此隔离装置满足对民用电 高阻抗， 对 A P信号低阻抗特性即可实现耦合。信号经 电力线传播至其他房间 ， 根据房间布线 而呈 现不 同程 度 的衰减。信号接收装置系统对来 自不同 A P的电磁信号 进行采集以及处理， 并根据信号频率判断其来源。该系 统包括信号采集模块和信号处理模块： 信号采集模块感 知空间中的电磁信号强度， 并进行数据采集； 信号处理模 块则对采集的数据进行 快速傅 里叶变换 ， 从而根据频率 提取目标信号。 图2 基于电力线室内定位原理 F i g 2 T h e p r i n c i p l e o f t h e I n d o o r p o s i t i o n i n g b a s e d o n p o we r - l i n e 经上述信号处理后， 获得来 自不同A P的信号强度， 定位终端接收这些信号强度信息， 并将该信息输入给相 关定位算法。定位终端的工作模式包括两种： 离线模式 和在线模式 。其中 ， 定位终端工作 于离线模式时 ， 大量存 储信号接收装置所采集 的信号， 并记录采集点在室内具 体位置信息， 构建定位数据库及电子地图。创建定位数 据库后， 以数据库中信号强度与室内位置的映射作为训 练样本 ， 对定位算法进行训练 ， 得到分类数学模型。当定 位终端处于在线工作模式， 即实时定位工作时， 通过离线 模式下得到的分类模型， 利用来 自信号接收系统的信号 强度数据 ， 实时完成基于电力线的室内 目标定位 。 3 基于电力线室内定位算法 合理的定位算法不仅有利于减小室内定位误差， 同 时还可以降低 系统开支 ， 提高系统 响应速度 。由于 电力 线中存在各种高频干扰信号， 若要对在室内移动 目标进 行精确定位， 需采用合理定位算法消除干扰。数据挖掘 技术的发展 ， 通过机器学 习方 法从大型数据库 中分析并 提取有效信息成为可能。在此背景下， 支持向量机( s u p p o r t v e c t o r m a c h i n e ， S V M) 理论近年来取得了极大突破。 支持向量机理论以统计学习理论中的 V c维( v a p n i k c h e r v o n e n k i s d i m e n s i o n ) 理论和结构风险最小化原理为基 础， 并应用核理论、 最优化理论算法来解决实际问题。根 据处理问题 的不 同， 支持 向量机可分 为支持 向量 回归机 学兔兔 w w w .x u e t u t u .c o m 1 3 8 仪器仪表学报 第 3 7卷 ( s u p p o v e c t o r r e g r e s s i o n m a c h i n e ， S V R M) 和支持向量分 类机 ( s u p p o v e c t o r c l a s s i fi c a t i o n m a c h i n e ， S V C M) 两 大 类。与诸多机器学习算法相 比， S V C M尤其擅长处理样 本有限、 非线性及高维模式识 别问题 。而 S V R M在 函数拟合等其他机器学习问题 中也表现出其优势。因 此， 本文主要通过 S V C M进行接收信号强度( r e c e i v e d s i g n a l s t r e n g t h ， R S S ) 特征样本的模式分类 ， 并结合 K近邻法 ( K n e a r e s t n e i g h b o r ， K N N) 完善分类结果， 完成未知节点 的室内定位- - 。 3 1 基 于 S V C M 理论室 内定位算法研究 室内存在多个定位位置， 为解决多位置判定问题， 可 将上述问题进行化简。首先讨论所采集位置信息是否属 于室内某一定位置空间的二分类问题， 即 n维空间上的 二分类问题。在此基础上， 再对室内多位置定位问题进 行求解。 设大小为 m的所需室内定位训练样本集 T= ( 墨 ， y 1 ) ， ( ， y 2 ) ， ， ( ， y m ) ， 其中， 置 e X=R n 为采集定位 样本数据； E Y= 1 ， 一1 为判定结果； =1 ， 2 ， ， m。 假如上述所采集 定位样本数据集为线性 可分 的 ， 则 存在可将定位样本数据正确 的划分为两类 的分类超平面 f o x +b=0。其对应的是室内位置判别函数为符号 函数 ： ， ( X)=s g n ( f o X +b ) ( 1 ) 为满足结构风险最小化原则 ， 需考虑定位数据 样本 与分类超平面的距离问题， 以得到最优 及 b ， 获得最优 分类超平面。为解 决上述定位 问题 ， 可应用 L a g r a n g e对 偶理论及二次规划方法求解。其最优解为： 式中： O t 通过求解二次规划得到。 与 为定位信息的 支持 向量。 则式( 1 ) 可变为： )=s g n Y i ( x ) + b ( 3 ) 若存在少数基于电力线室内定位样本导致求解最优 分类超平面失败 ， 则可 引入松 弛变量及惩罚 因子 C以寻 求学习精度和学习能力的最佳折衷， 获得最好的泛化能 力。最终得到判别函数形式 同上式。 在基于电力线定位系统中， 可通过式( 3 ) 所示判别 函数完成室内位置判定， 然而系统获取包含位置信息的 R S S 特征向量受环境影响较大， 同时包含来自不同A P的 信息， 在低维空间难以完成线性分类。对于该问题， 通常 采用满足 Me r c e r 条件的核函数完成样本线性不可分低 维空间到线性可分高维空间的映射。然后， 采用与线性 可分问题类 似的方法 在高维 空间 中求解 最优分类 超平 面。最终得到最优判别函数的一般形式为 ： ， ( )= s g n 。 Y iK ( X ， ) + b ( 4 ) 式 中： K ( ， ) 为核函数。 常用 的核函数分为线性核函数 、 多项式核 函数 、 径 向 基核 函数 和 S i g m o i d核 函数 。其 中线性核 函数是径 向基 核函数( r a d i a l b a s i s f u n c t i o n ， R B F ) 的一个特例 ， 而多项式 核函数大量 的参数提高了模 型的复杂度 ， S i g m o i d核函数 部分性能与 R B F类似。R B F核函数可以实现非线性映 射且具有 参 数少 的优点 ， 因此 ， 本 文 拟 采用 R B F核 函 数 ， 核函数形式如下 ： 1 l v v l 1 2 K ( X ， X )= e x P f 1 ( 5 ) 、 2o - 。 式中 ： or为标准差 。 应用 S V C M进行 电力线定位时 ， 惩罚 因子 C和核函数中的标准差 o r 为两个重要参数， 合理地 参数选择可以提高分类器性能 。 上述理论可 以解决二分类室 内定位 问题 ( 即根据所 采集数据样本， 只求解定位 目标是否位属于室内某一位 置问题 ) ， 而实际室 内定 位系统需 要获得 室 内多个 定位 点， 并且室内定位精度增加， 其定位点数量也随之增加。 因此 ， 基于电力线室内定位系统属于多类别识别 问题 ， 若 完成 目标位置判定 ， 需构造多分类 S V M， 即 S V C M。本文 提出的构造方法是组合多个二分类 S V M， 如图3所示， 输 人 R S S 特征样本后 ， 对其用多个分类器分别判定 ， 最终 占 优势的类别即为室内 目标位置。 图3 基于 S V C M室内目标位置判定模型 F i g 3 I n d o o r t a r g e t l o c a t i o n d e c i s i o n mo d e l b a s e d O i l S VC M 一 = = 6 学兔兔 w w w .x u e t u t u .c o m 第 1 期 黄丹平 等： 基于电力线室内定位算法研究 1 3 9 3 2 基 于电力线室 内 K一 近邻法定位 基于电力线的室 内定位系统 中， 在离线模式下进行 多次采集建立定位样本数据库。 该样本库中的 个样本 分别对应 c 个已知室内位置， 其中对应位置为 ( i=1 ， 2 ， ， c ) 样本具有 个。 当电力线系统工作于在线模式 时， 待定位位置采集的样本 的k 个近邻中属于位置0 9 ， ： ， ， 0 9 的样本数分别为 k ， k ： ， ， j 个 ， 那么， 针对 当前 位置的判别函数可以表述为g ( )=尼 ( i =1 ， 2 ， ， C ) 。 因 此 ， 位置判别规则可表述为 ： 若 g ， ( ) = m a x ， 则判别 I c o j ( j=1 ， 2 ， ， c ) 。 室内定位系统采用上述 K 一 近邻方法可完成定位。 待定位样本数据与样本库中样本计算方式有欧式距离、 马 氏距离 、 明氏距离等。 3 3 基 于 S VC M- K N N定位算法描述 由3 1 节可知 ， 松弛变 量的引入很好解决 了少量线 性不可分定位样本导致的最优分类超平面求解失败问 题， 但是利用 S V C M来进行室内定位样本类别判定时， 与 多数分类器类似， 通常错分样本大多位于分类超平面附 近 ， 而距离较远的样本不 易出错 。由 S V M理论可知 ， 其完成样本类别判断主要依据位于分类超平面两侧的支 持向量。根据上文所述可知， K N N电力线室内定位算法 则是依据定位数据库所有样本， 因此对于分类超平面附 近的样本， 可利用 K N N算法进行分类。 由此， 本文提出根据支持向量分类机和 K近邻法算 法各 自特点， 并将两种算法进行融合， 在采用到电力线所 发出电磁信号后， 对室内目标进行定位。 在应用该算法进行训练或定位之前， 需要建立室内 定位所需的 R S S特征样本库 。R S S特征样本库由室 内所 有测试点的反映其位置信息的 R S S 特征向量和位置坐标 构成 ， 且每个测试点经过多次测量 ， 具有多个 R S S特征 向 量 。而且 ， 随测量次 数的增多 ， 样本库 中样 本更为全 面， 将有利于定位精度的提高。 根据基于电力线室内定位终端工作模式， 定位算法 功能主要分为两个部分： 离线训练和在线定位。图4为 S V C M K N N定位算法流程 图。如 图 4所示 ， 如 系统 处于 离线训练阶段 ， 该室内定位系统利用数据库中的 R S S特 征向量与其对应的位置坐标作 为训练样本集来进行 S V C M训练 ， 得 到 S V C M 分类 机。而处于 在线定位 阶段 时 ， 首先算法得到系统在待定位点 采集并处 理过 的 R S S 特征向量 ， 利用训练时得到的分类 机完成初次分类得 到位置信息A， 同时得到该类别的决策函数和支持 向量 。而后使用同样的核函数对定位点特征向量与支持向 量向高维空间映射得到 和 ， 并求得二者映射后的 欧式距离。 那么位置判定可以表述为： ( ( )= A, I I x 一 - X 一一 ； v I 一 ( 6 ) 当该距离大于阈值 s时， 以A为最终判定结果。 反 之， S V C M分类机的分类结果是不可靠的， 以下利用 K N N 分类机对定位点进行再次分类， 然后得到判定结果 。 由 此以结果 作为室内 目标点坐标。 可 以看出， 当阈值 8 设 为 0时 ， 分类结果与 S V M一致。 图4 S V M K N N定位算法流程图 F i g 4 F l o wc h a r t o f t h e S VM- KNN p o s i t i o n i n g a l g o r i t h m 4 测试 与分析 4 1 测试环境 与设置 为获取该定位算法的定位精度， 开展以下实验来测 试该室内定位系统定位精度。定位试验环境如图5所 示， 实验室内置有仪器、 电脑、 桌椅、 书柜等设备， 这些设 备是影响信号在室内传播的重要因素之一。因此， 需要 合理布置信号采集节点。 学兔兔 w w w .x u e t u t u .c o m 学兔兔 w w w .x u e t u t u .c o m 学兔兔 w w w .x u e t u t u .c o m 1 4 2 仪器仪表学报 第 3 7卷 由图 1 1 可得 ， 当定 位误差 为 2 m 时， S V C M - K N N 、 S V C M 与 K N N三者定位精度分别为4 6 9 、 3 1 3 、 3 7 5 ； 当 定位误差为 4 i n时， 定位 精度 分 别 为 6 5 6 、 5 3 1 、 5 0 0 ； 当定位误差为 6 in 时， 定 位精度分别 为8 4 4 、 7 8 3 、 6 8 8 ； 三者的平均定位误差为2 9 5 in、 3 7 2 in、 3 8 5 in。对于临近样本 的区分能力 ， K N N比 S V C M效果 好， 但是从图 1 1 可知 ， 其 总体定位能力不如 S V C M算 法 ， 而综合两者性能的 S V C M- K N N则具有 良好 的定位效 果。此外， 本实验中实验 网格分辨率为 2 in 2 in， 分辨 率较低制约了精度的提高。 R S S特征维数取决于电力线 A P数 ， 也是影响定位效 果的因素之一 。应用 S V C M K N N分类机 ， 选择不 同数 目 的 A P进行训练 ， 并测试其平均定位误差 ， 如图 1 2所示 。 显然 ， 增加 A P有利于提高定位精度 ， 同时成本会 随之上 升。而当A P数量提高到一定程度时， 精度的提高十分 有限， 需要在 A P数量和定位精度之间寻求最佳折衷。 可以看出， 当 A P数量超过 3个后， 定位误差减小趋势 变缓。 图 1 2 电力线 A P数与平均定位误差 F i g 1 2 Ac e r a g e i n d o o r p o s i t i o n i n g e r r o r v s n u mb e r o f t h e p o we r l i n e AP s 5结 论 本文提出了基于 电力线 的室 内定位系统 ， 并进行 了 信号采集实验， 建立了R S S特征样本库。在此基础上， 分 析了基于电力线室内定位信号传播特点， 可看出信号总 体分布基于参考 S h a d o w i n g 模型， 但是从实验测试可知， 其跳变性较强， 而且针对不同电力线 A P ， 信号衰减差异 较大。因此 ， 提 出了基于 S V C M K N N的室 内定 位算法 ， 通过与 S V C M和 K N N定位性能对比分析， S V C M - K N N混 合算法可有效提高定位精度。应用 S V C M - K N N算法分 别对不同数目A P进行定位分析， 可以看出当 A P数目超 过 3 个后， 误差降低幅度变缓。 基于电力线室 内定位技术具 有广阔 的应用前景 ， 针 对电力线信号特点和定位算法参数优化等问题， 有待下 一 步深入探索。 参考文献 1 陶金龙， 康志伟， 骆坚基于 R S S I 测距的加权概率定 位算法 J 电子测量与仪器学报， 2 0 1 4 ， 2 8( 1 0) ： l 1 2 3 1 1 2 8 T AO J L， K ANG Z H W ，L UO J We i g h t e d p r o b a b i l i s t i c l o c a l i z a t i o n al g o r i t h m b a s e d o n R S S I m e a s u r e m e n t J J o u r n a l o f E l e c t r o n i c Me a s u r e me n t a n d I n s t r u me n t a t i o n， 2 0 1 4 ， 2 8 ( 1 0 ) ： 1 1 2 3 - 1 1 2 8 2 G U Y Y，L O A， N I E M E G E E R S I A s u r v e y o f i n d o o r p o s i t i o n i n g s y s - t e r n s f o r w i r e l e s s p e r s o n a l n e t w o r k s J C o m m u n i c a t i o n s S u r v e y s& T u t o r i als ，2 0 0 9 ，1 1( 1 ) ： 1 3 3 2 7 3 石欣 ， 印爱民， 陈曦基于 R S S I 的多维标度室内定位 算法 J 仪器仪表学报， 2 0 1 4 ， 3 5 ( 2 ) ： 2 6 1 - 2 6 8 S HI X， YI N AI M ，C HE N XRS S I a n d mu l t i d i me n s i o n a l s e al i n g b a s e d i n d o o r l o c al i z a t i o n alg o r i t h m J C h i n e s e J o u r n a l o f S c i e n t i fi c I n s t rume n t ， 2 0 1 4， 3 5 ( 2 ) ： 2 6 1 - 2 6 8 4 刘溶辛， 孙建利基于能效的 WL A N室内定位系统模 型设计与实现 J 仪器仪表学报，2 0 1 4 ，3 5( 5 ) ： 1 1 6 9 1 1 7 8 L I U M X， S UN J LDe s i g n a n d i mp l e me n t a t i o n mo d e l b a s e d o f WL AN i n d o o r p o s i t i o n i n g s y s t e m o n e n e r g y e f fi- c i e n c y J C h i n e s e J o u rna l o f S c i e n t i fi c I n s t r u me n t ， 2 0 1 4 ， 3 5 ( 5 ) ： 1 1 6 9 1 1 7 8 5 魏振春 ， 吕增威， 杨成， 等基于 R S S正确性判定的矿 井机 车无线 定位 方法 J 仪器 仪表 学 报， 2 0 1 4， 3 5 ( 1 ) ： 1 7 8 - 1 8 4 W E I Z H C H ，L V Z W ，YAN G CH，e t a 1 W i r e l e s s p o s i t i o n i n g m e t h o d b a s e d o n c o r r e c t n e s s j u d g m e n t o f r e c e i v e d s i gnal s t r e n g t h f o r m i n e l o c o mo t i v e J C h i n e s e J o u rnal o f S c i e n t i fi c I n s t rum e n t ， 2 0 1 4 ， 3 5 ( 1 ) ： 1 7 8 - 1 8 4 6 丁琳 ， 管小卫， 朱霞基于 R S S I 的集群实时定位系统 设计 J 国外电子测量技术， 2 0 1 4 ， 3 3 ( 1 2 ) ： 6 9 - 7 3 DI NG L，G UAN X W ， Z HU XC l u s t e r r e al t i me p o s i t i o - n i n g s y s t e m d e s i gn b a s e d o n R S S I J F o r e i g n E l e c t r o n i c Me a s u r e me n t T e c h n o l o g y ， 2 0 1 4 ， 3 3 ( 1 2 ) ： 6 9 7 3 7 周海洋 ， 余剑 无线传感器网络中基于 R S S I 的测距研 究 J 电子测量技术， 2 0 1 4 ， 3 7 ( 1 ) ： 8 9 9 1 Z HO U H YYU J Re s e a r c h o n d i s t anc e me a s u r e me n t b a s e d o n R S S I i n w i r e l e s s s e n s o r n e t w o r k s J E l e c t r o n i c Me a s u r e m e n t T e c h n o l o gy， 2 0 1 4 ， 3 7 ( 1 ) ： 8 9 9 1 8 Y I G I T M，G U N G O R V C， T U N A G，e t a 1 P o w e r l i n e c o mmu n i c a t i o n t e c h n o l o g i e s for s ma r t g ri d a p p l i c a t i o n s ： A r e v i e w o f a d v a n c e s and c h a l l e n g e s J C o m p u t e r N e t w o r k s ， 2 0 1 4 ， 7 0 ( 9 ) ： 3 6 6 - 3 8 3 9 HU A N G D P ，WA N G Q R e s e a r c h o n s y s t e m o f i n d o o r 桐 披露 学兔兔 w w w .x u e t u t u .c o m 第 1期 黄丹平 等： 基于电力线室内定位算法研究 1 4 3 1 0 1 1 1 2 1 3 1 4 1 5 1 6 l o c a t i o n b a s e d o n p o w e r l i n e C P r o c e e d i n g s o f t h e 2 0 1 2 S e c o n d I n t e r n a t i o n a l C o n f e r e n c e o n El e c t r i c T le c h n o l o g y a n d C i v i l En g i n e e r i n g ， 2 0 1 2：2 3 3 6 - 2 3 4 0 KUS HKI A，P L A T ANI OT I S K N，VEN E T S ANO P UL OS A NI n t e l l i g e n t d y n a mi c r a d i o t r a c k i n g i n d o o r wi r e l e s s l o e a l a r e a n e t w o r k s J I E E E T r a n s a c t i o n s o n Mo b i l e C o m p u t i n g ， 2 0 1 0， 9 ( 3 ) ： 4 0 5 4 1 9 T OMAR D，AG ARW AL S ，A c o mp a r i s o n o n mu l t i - c l a s s c l a s s i fi c a t i o n me t h o d s b a s e d o n l e a s t s q u a r e s t wi n s u p p o v e c t o r m a c h i n e J K n o w l e d g e B a s e d S y s t e m s ， 2 0 1 5 ， 8 1 ( 6 ) ： 1 3 1 1 4 7 MA J I D A， A L I S ， I Q B A L M， e t a 1 P r e d i c t i o n o f h u ma n b r e ast a n d c o l o n c a n c e r s f r o m i mb a l a n c e d d a t a u s i n g n e a r e s t n e i g h b o r a n d s u p p o v e c t o r ma c h i n e s J C o m p u t e r Me t h o d s a n d P r o g r a m s i n B i o m e d i c i n e ， 2 0 1 4， 1 1 3( 3 ) ： 7 9 2 8 0 8 L EF K OVI T S S ， L E F KOV I T S L Di s t an c e b a s e d k - N N c l a s s i fi c a t i o