基于AKPCA 算法的井下WLAN 位置指紋定位

宋明智，錢建生，胡青松

（1.徐州工程學院 信息工程學院，江蘇 徐州 221018；2.中國礦業大學 信息與控制工程學院，江蘇 徐州 221116）

0 引 言

近10 年，電子通信技術、計算機網絡技術和移動互聯技術的快速發展為井下人員定位系統的研究與 應 用 提 供 了 必 要 的 技 術 支 持［1－2］。 RFID［3］、UWB［4］、WSN［5－6］、WLAN［7］等都已在井下人員定位問題中有相應的研究與應用［8］。 其中，WLAN 技術與位置指紋定位算法相結合的應用方案以其成本低、非測距、精度可控等特點已逐漸得到廣泛的應用。

由于煤礦井下巷道地理結構的特殊性，在實際的井下WLAN 位置指紋定位應用中，往往需要采用區域劃分技術［9］來輔助提升定位的精度和效率。除此之外，在線定位階段采用位置指紋特征提取技術能夠進一步提升人員定位的精度。 比較常用的特征提取技術包括LDA（Linear Discrimination Analy?sis）［10－11］、 LLE （ Local Linear Embedding ）［12］、LDE （ Local Discriminant Embedding ）［13－14］、ISOMAP （ Isometric Feature Mapping ）［15－16］和KPCA［17］等。 其中，KPCA 相比其他幾種特征提取技術在WLAN 位置指紋定位應用中有更好的噪聲抑制性能，因此有著更好的實用性。 KPCA 算法的關鍵環節是本征維數的計算與確定，本征維數選取的恰當與否直接決定了位置指紋定位系統的定位精度。 目前，對于本征維數的計算主要通過最大似然估計獲得。 這一方式雖然計算效率高且無需準備大量經驗數據，但由于該方法中的本征維數大小主要依賴于以數據中心點為半徑的球形覆蓋范圍內近鄰數據點固定個數L的取值，而L的取值又和井下定位巷道結構有一定的關系。 聚類劃分后的位置指紋數據庫被分為多個由不同巷道結構的參考點的位置指紋樣本組成的子位置指紋圖，如果此時設定相同的L，這些子位置指紋圖可能會有不同的本征維數。……