论文部分内容阅读
利用感知的背景声进行定位是室内定位的一种新型解决方案。拟在无需其他基础设施的条件下,利用智能手机麦克风被动感知室内背景声,实现房间级的定位。采用有监督的学习方式,对房间背景声进行功率第五百分位特征提取,并以此为训练集样本。分别使用k最近邻（KNN）、BP神经网络以及径向基神经网络（RBF）训练算法训练出房间背景声定位模型。以房间识别率与定位耗时为指标,通过线下训练、线上测试的方式对所提方案进行可靠性与有效性的验证。实验结果表明,RBF神经网络房间识别率在75%以上且运行时间较短。