神经网络定位中多点多映射概率样本增强方法研究

神经网络室内定位算法的定位精度取决于训练样本的数量和样本对数据特征的表征性,针对样本采集工作量大的问题,本文提出了一种多点多映射概率样本的增强方法。该方法首先根据无线信号的传播特性以及空间相关性,利用少量实测点数据,快速构建多点反应环境影响的特征,然后利用概率法生成表征无线信号波动的多映射正态分布样本数据。实验结果表明,利用多点多映射概率样本增强方法生成的训练样本集,有效数据量大,信号表征性好,且人工采集工作量低,由此训练的神经网络定位算法定位精度高。