基于泛在信號融合的室內外場景魯棒感知算法

作者：鄢松,吳飛,朱海,陸雯霞,胡銳,聶大惟

摘要：針對室內外場景結合的導航應用服務需求的發展以及現有室內外場景感知方法的識別穩定性較低、準確率不高問題,本文提出一種基于泛在信號融合的室內外場景魯棒感知算法,利用室內外場景中融合的泛在信號降低單一信號識別誤差;同時為提高傳統AdaBoost算法對不平衡數據集的分類精度,采用概率神經網絡(PNN)作為訓練的弱分類器,并引入熵權法,對迭代產生的弱分類器的權重進行修正來提高強分類器的分類準確率.現實場景下的實驗表明,本文算法在采用室內外環境中的WiFi信號、全球衛星導航系統(GNSS)可用星數、光照強度這三種融合的泛在信號進行室內外場景感知時性能最佳,對于不同角度方向下的室內外場景切換,可以在誤報率僅為1.7%的情況下,達到98%的識別準確率,驗證了本文所提算法的準確性和魯棒性.

發文機構：上海工程技術大學電子電氣工程學院

關鍵詞：泛在信號室內外場景感知ADABOOSTPNNsignal of opportunityindoor and outdoor scenes perceptionAdaBoostPNN

分類號： P208[天文地球—地圖制圖學與地理信息工程]