一种基于样本聚类的RBF神经网络室内定位方法

摘要

本发明是基于样本聚类的RBF神经网络室内定位方法，该方法以不同发射功率下信号丢包率为基础数据，采用聚类算法筛选出具有相似特征点的训练样本集，然后通过RBF神经网络来对这个样本集进行训练，最终达到预测未知移动节点的位置坐标。由通讯距离与信号丢包率的关系，本发明的样本集信息丰富，可以更好的刻画信号与距离的关系；同时采用聚类算法筛选位置相似特征点以及RBF神经网络训练数据，使大规模、大范围情况下收集数据方便简单，真正达到实用的地步，同时算法具有收敛速度快、定位精确等优点。