基于位置指紋識(shí)別的WiFi室內(nèi)定位算法研究與實(shí)現(xiàn).pdf

1、傳統(tǒng)的GPS等定位技術(shù)在室外已經(jīng)能夠?qū)崿F(xiàn)米級(jí)的精確定位，但在室內(nèi)環(huán)境下難以精確定位。隨著移動(dòng)智能終端的普及和室內(nèi)廣泛覆蓋的WiFi為低成本、高精度的室內(nèi)定位技術(shù)提供了可能。其中基于位置指紋識(shí)別的WiFi室內(nèi)定位以其實(shí)現(xiàn)簡(jiǎn)單、成本低、定位精度高等優(yōu)勢(shì)成為室內(nèi)定位技術(shù)的研究熱點(diǎn)。
　　本文深入的研究了基于位置指紋識(shí)別的WiFi室內(nèi)定位算法，為了進(jìn)一步提高該算法的定位精度和定位速度，從離線階段和在線階段提出算法的改進(jìn)。離線階段，隨著室內(nèi)

2、定位環(huán)境的增大，采集的指紋點(diǎn)也相應(yīng)增多，在線階段的匹配計(jì)算量就會(huì)大大增加?？紤]到定位的實(shí)時(shí)性，將數(shù)據(jù)挖掘中的聚類算法應(yīng)用到離線階段數(shù)據(jù)庫(kù)的處理。本文提出對(duì)二分Kmeans聚類算法進(jìn)行改進(jìn)，改進(jìn)算法將聚類相似度定義為信號(hào)強(qiáng)度與坐標(biāo)兩者歐氏距離的乘積。通過(guò)該算法聚類后，有效改善了聚類后指紋對(duì)應(yīng)坐標(biāo)個(gè)別離散的情況，改善了聚類的效果，提高了定位精度。在線階段，本文提出了基于加權(quán)歐氏距離的自適應(yīng)K值的WKNN算法。該算法對(duì)檢測(cè)到待定位點(diǎn)的AP的信

3、號(hào)強(qiáng)度加權(quán)，然后計(jì)算待定位點(diǎn)的指紋與數(shù)據(jù)庫(kù)中指紋的加權(quán)歐氏距離，篩選出K個(gè)鄰近點(diǎn)后去除其中的離散點(diǎn)，對(duì)剩下的點(diǎn)進(jìn)行加權(quán)求平均。本文還針對(duì)聚類邊界定位點(diǎn)提出改進(jìn)算法，有效改善了聚類邊界定位點(diǎn)的定位精度。實(shí)驗(yàn)結(jié)果表明，通過(guò)這兩個(gè)階段對(duì)算法的改進(jìn)，有效的改善了定位精度，減小了定位時(shí)的計(jì)算量。改進(jìn)后算法平均定位誤差為1.24米，相比于傳統(tǒng)的WKNN，定位誤差減小了0.47米，可獲得27.2％以上的定位誤差的改善。匹配指紋數(shù)據(jù)量減小了(Q-1)/