基于蚁群优化支持向量机的室内定位算法

张龙飞，金仁成，姚永伦

(大连理工大学 辽宁省微纳米技术及系统重点实验室，辽宁 大连 116024)

0 引言

随着网络技术的快速发展，人们对室内定位技术的需求也越来越高，基于信道状态信息(Channel State Information，CSI)的室内定位技术成为研究热点，尤其是基于位置指纹的定位方法，该方法因其成本低廉、方法简易的优势逐渐成为室内定位的主流，它的定位过程包括两个部分：离线训练阶段和在线定位阶段。离线阶段在室内预先选好的参考点接收CSI数据包，提取出指纹信息，并建立指纹数据库；在线阶段将测试点的指纹信息与数据库中的指纹信息进行匹配。常用的匹配算法有支持向量机(Support Vector Machine，SVM)[1]和神经网络[2]等方法，使用主成分分析(Principal Component Analysis，PCA)可以降低数据维度和去除高频噪声[3]，减小定位计算复杂度。

党小超等[4]首先使用粒子群优化支持向量机(PSO_SVM)的算法提高室内定位精度；刘旭明等[5]提出了遗传算法优化的支持向量机(GA_SVM)以提高室内定位精度；秦军利等[6]说明了蚁群优化支持向量机(ACO_SVM)的应用场景，但未运用到室内定位中。本文提出了一种基于蚁群优化支持向量机的室内定位算法。

1 蚁群优化支持向量机算法

1.1 信道状态信息

CSI是基于正交频分复用调制技术的无线信号在移动终端的信道响应表现形式。因为接收端有3根天线，并且每根天线有30个信道，所以每个CSI数据包是3×30的矩阵，如式(1)所示：

(1)

其中：Hxy为CSI的第x根天线的第y个子载波，包含着幅值和相位信息，如式(2)所示：

Hxy=‖Hxy‖ej∠Hxy.

(2)

其中：‖Hxy‖为Hxy的幅值；∠Hxy为Hxy的相位角。……