推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

离散度WKNN位置指纹Wi-Fi定位算法

更新时间:2019-12-25 12:31:34 大小:2M 上传用户:zhiyao6查看TA发布的资源 标签:Wi-Fi 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

为改善加权K近邻位置指纹定位算法在室内环境复杂时的定位性能,提出一种以位置指纹离散度作为权值参考的改进加权K近邻位置指纹定位算法.算法在离线位置指纹数据库建立阶段采用K-means聚类算法对位置指纹进行聚类,来降低搜索位置指纹库的计算量.从离线位置指纹库中选取K个与在线实测Wi-Fi信号强度信息最相似的位置指纹,比较其离散程度,将离散程度小的位置指纹赋予较高的加权系数,以减小原加权K近邻算法在室内复杂环境信号强度随距离变化较大情况下带来的位置估算误差.对离散度加权K近邻算法时间复杂度的分析表明,其计算量小于原加权K近邻算法;实际环境实验结果表明,离散度加权K近邻算法具有更高的定位精度,且定位误差波动较小.


部分文件列表

文件名 大小
离散度WKNN位置指纹Wi-Fi定位算法.pdf 2M

部分页面预览

(完整内容请下载后查看)
Vol. 49 No. 5  
May 2017  
49  
5
2 0 1 7  
5
JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY  
j.issn.  
DOI: 10.11918/  
0367-6234.201610104  
WKNN  
Wi-Fi  
算法  
散度  
纹  
12  
1
1
3
1
, , , ,  
亮 钱鸿 梁 潇 义君 雪  
( 1.  
大学 通春  
130012; 2.  
电力大学 信息林  
132012;  
3.  
工大学 电子信息春  
130022)  
:
K
为改善加权 近邻法在复杂能 提出一种以位为权值参考改  
K
进加权 近邻法在线库建采用  
K-means  
类算法对进行降低  
K
搜索线与在线测  
Wi-Fi  
信号信息最相似程  
, ,  
K
程度赋予加权系数 减小原加权 近邻算法在复杂信号较大情况  
;  
K K  
加权 近邻算间复杂的分析于原加权 近邻算实际环实验  
, ,  
K
果表加权 近邻算法具有更高小  
: ;  
关键词 线位 位纹  
; Wi-Fi;  
;
收信号示 离度  
- - -  
: A : 0367 6234( 2017) 05 0094 06  
文章编号  
: TP393  
中图分类号  
文献标志码  
Discrete degree WKNN location fingerprinting algorithm based on Wi-Fi  
12  
1
1
3
1
TIAN Hongliang QIAN Zhihong LIANG Xiao WANG Yijun WANG Xue  
( 1. School of Communication EngineeringJilin UniversityChangchun 130012China;  
2. School of Information EngineeringNortheast Dianli UniversityJilin 132012JilinChina;  
3. School of Electronic and Information EngineeringChangchun University of Science and TechnologyChangchun 130022China)  
Abstract: To improve the localization performance of the WKNN location fingerprinting algorithm when the indoor  
environment is complexan improved WKNN location fingerprinting algorithmDiscrete Degree Weighted  
K-Nearest Neighbor ( DD-WKNN) is proposedwhich takes the dispersion of location fingerprints as the weight  
reference. The K-means clustering algorithm is used to cluster the location fingerprints when the offline location  
fingerprint database is establishedwhich reduces the computational complexity of searching the location fingerprint  
database. K location fingerprints which are most similar to online measured RSSIs are selected from the offline  
location fingerprint databaseand the discrepancy degrees are compared. A higher weighting coefficient is assigned  
to the position fingerprint with a small degree of dispersionwhich reduces the error of position estimation caused by  
the original WKNN algorithm when the signal strength of the indoor environment changes greatly with distance. The  
analysis of the time complexity of DD-WKNN algorithm shows that its computational complexity is less than that of  
the original WKNN algorithm. The experimental results show that the DD-WKNN algorithm has a higher positioning  
accuracy and the positioning error fluctuates less.  
Keywords: wireless localization; location fingerprint; Wi-Fi; received signal strength indicator ( RSSI) ; discrete  
degree  
随着网络技术的无数点通线  
信号穿透弱 受物外挡  
1]  
技术连接在一形成不能物联网  
法为室内定位室内线信号环境  
1 2]  
务  
物联之  
,  
于室得多 于室环境 室内环境  
.  
主要线定位技术 线定  
线信号应  
技术理位可分室内定位定  
. AGPS  
定位系统辅助以  
种室内线对定位信号扰  
等 这与定位具有大的不同  
随着能手机等线率的  
Wi-Fi  
、  
定位 具有定位定位点  
高  
信号广室内环境  
- -  
: 2016 10 24  
收稿日期  
Wi-Fi  
提出用  
信号室内定位的  
:
基金项目 国家自然学基金  
( 613710926140117561540022) ;  
3 4]  
( 2016091)  
大学研究基金  
( AOA) 、  
定 位 时 间  
技术  
包 括 度  
:
作者简介  
( 1981—) , , , ;  
男 博士研究师  
( TOA)  
定位 到差  
( TDOA)  
定位 度  
( 1957—) , , ,  
男 教授 博士生导师  
鸿  
5]  
:
通信作者 鸿  
dr.qzh@ 163.com  
( RSSI)  
.  
定位 位定位 室内定位方  
5
:
WKNN  
Wi-Fi  
定位法  
亮  
度  
·95·  
AOA  
信号线位本文采用的  
法中  
定位额外增加的  
, ; TOA  
件 天线 广制  
线定位区备能获  
TDOA  
的环境线点的信号强度采即  
定位方法精准信号在空播  
, ,  
时间 件提出了很高的限  
RSSI.  
不当 线配  
K means  
;
往往用  
RSSI  
定位额外  
用  
线纹  
类中心  
RSSI  
, , ,  
低 但环境的  
室内环境定位基于  
Wi-Fi  
技术的置  
线行  
近  
定位用多线室内不同信  
.  
估计误假设线无  
强度值差坐标线信号强度  
线信号置未知 假设定位为  
.  
的指为在线定位采用  
RSSI  
面  
线定位技术 定位时不要  
1.1  
始位据库建立  
额外增加件 在应用景下具有广泛  
定位区线位需  
6]  
用性势  
D
点的维空可  
=
( x y ) i 1D.  
i
定位方法包括离线据  
为  
够  
i
线位置两典  
N ,  
线点的信号强度值 以用量形  
( Nearest  
型的包括近邻法  
式表示 如式  
( 1)  
:
所示  
7]  
8]  
( K NN)  
NeighborNN) K  
K
近  
近邻法  
=
=
( f f f ) i 1D.( 1)  
i 2  
F
RSSN  
i 1  
i N  
i
9 12]  
( Weighted KNNWKNN)  
典型  
法  
该组度值如  
( 2)  
定位方法中 对优线纹  
线定位面同时研  
:
所示  
=
=
( x y ) i 1D.  
i
S
( 2)  
( 3)  
i
i
: 1314Kalman  
文献 核函文献 滤  
因此信息结构式  
线及优据  
:
所示形式  
;
来源使定位所文献  
15]  
=
=
( x y f f f ) ,  
i1  
G
RSSN  
( S F  
iRSSN  
)
i
i
i2  
iN  
i
i
用多型构线并用望  
=
i
12 D .  
( 3)  
估计法 增加系统定位  
集到以行形式存到  
; 16]  
文献 对位信息  
线位式  
( 4)  
:
所示  
式连续分线 对信号强度分  
f
f
x
y
f
12  
1N  
1
1
11  
的室内具有高的定位度 以上  
f
f
x
y
f
22  
2N  
2
2
21  
=
G
( 4)  
定位化 在线位指  
度方面作相  
f
f
x
y
f
D2  
DN  
D
D
D1  
了定位度  
初始状态  
12 K-means  
,  
由于室内墙壁 他物体各  
于  
算法线据聚类  
Wi-Fi RSSI  
信号  
衰落很平基于  
查找的  
K
近邻因此差  
K means  
采用基于  
类  
本文际采的相性入手  
程  
线位类  
下  
值差大的纹  
1)  
1.1  
D
线位指  
与采的相算  
F
信息 维度为  
信息  
线点  
K ( K  
RSSN  
; ,  
然后据  
i
RSSI  
N.  
数  
同时要  
程  
D) ;  
D
数目  
信息选  
不同赋予不同用加权  
K
C, ( 5)  
式  
合  
K
近邻估计待定位位置  
:
所示  
K means  
法的线指  
1
基于  
=
C
( F  
F  
F  
) .  
( 5)  
RSSN 1  
RSSN 2  
RSSN k  
库建类  
2)  
D
K
C
与 中类中  
的  
= - =  
E ( i 12D Kj 12K) ,  
ij  
离  
定位方法的是基于置  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载