AD-Loc：基于ANN和DBSCAN的物联网强鲁棒定位技术

《IEEE Access》：AD-Loc: Robust Localization in IoT Using ANN and DBSCAN

　　

摘要：

在物联网中实现室内定位仍然具有挑战性，因为接收信号强度指示器（RSSI）和距离测量值会受到多径传播、衰减以及间歇性干扰的显著影响。本文提出了一种名为AD-Loc（基于神经网络与DBSCAN的定位方法）的两阶段解决方案，该方法结合了非线性坐标回归与基于密度的优化技术：首先利用神经网络估算二维位置，然后在预测得到的坐标空间中应用基于密度的空间聚类算法（DBSCAN），以消除空间上不一致的结果并提升系统的稳定性。通过模拟噪声注入场景以及两个分别代表低密度和高密度部署环境的真实室内数据集对AD-Loc进行了测试。在低密度数据集上，AD-Loc的均方根误差为0.0864，相比粒子群优化算法（PSO，误差为0.1039）和K均值聚类算法（误差为1.2607），其性能分别提升了16.84%和93.15%。在高密度数据集上，AD-Loc的均方根误差为0.196，相比PSO（误差为0.257）和K均值聚类算法（误差为1.754），其性能分别提升了23.74%和88.82%。这些结果表明，将神经网络回归与坐标空间密度过滤相结合，能够在存在异常值时提升系统的稳定性，同时也表明DBSCAN的效果取决于预测点所在的空间密度。