基于PSO-HMM的CSI的被动式室内定位算法

摘要

针对隐马尔科夫(HMM)算法中的鲍姆—韦尔奇算法(BW)预测模型参数,难以找到全局最优解的问题,提出了一种融合粒子滤波与隐马尔科夫的粒子群优化—隐马尔科夫(PSO-HMM)算法.对于BW算法学习环节的初值选定问题,增加了粒子群优化(PSO)算法优化过程,量化的初值选定对于信道状态信息(CSI)无线信号的定位数据处理更加合理,从而增加了定位的精准性.同时,为了克服HMM算法存在的统计约束问题,加入了重标准化和重映射机制.由于PSO收敛速度较快,从宏观现象观察,提高了定位实时性.实验结果表明:与传统的HMM算法、支持向量机(SVM)算法相比,PSO-HMM算法很大程度上提高了室内定位的精准性和实时性.