一种改进的室内指纹定位算法

一种改进的室内指纹定位算法
王维博;孙敬欢;董蕊莹;曾文入;张斌;郑永康
【期刊名称】《西华大学学报（自然科学版）》
【年(卷),期】2018(037)002
【摘要】针对指纹定位算法在建立离线指纹库时需要部署较多参考节点(RP)的问题,提出一种分区拟合近似算法(PFAM).为减少指纹定位算法在离线阶段的工作量,对整个目标环境进行分区,并在每个分区内重新部署虚拟RP;采用三阶多项式对数距离路径损耗模型拟合得到每个分区的环境系数,并建立每个分区的误差向量;利用拟合模型和误差向量逆推得到虚拟RP的信号强度,并采用C均值聚类算法对离线指纹库聚类来减少在线阶段的计算量;在在线阶段采用加权K近邻算法(WKNN)对目标进行定位.实验结果表明,在RP部署较少的条件下,PFAM算法依然能达到较高的定位精度,平均定位误差约为1.2 m.累积分布函数(CDF)分析结果表明,有86%的定位误差分布在2 m以内.%Aiming at the problem that the fingerprint localization algorithm needs to deploy more reference points (RP) when the offline fingerprint databaseis being constructed, a partition fitting approximation method (PFAM) is proposed.To reduce the workload of the fingerprint localization algorithm in the offline phase, firstly, the whole target environment is partitioned and the virtual RP is redeployed in each partition. Then, the third order polynomial log-distance path loss model is adopted to fit the environmental coefficient of each partition and the error vector of each par-tition is established.Then,the received signal strength (RSS) of the virtual RP is obtained by using the fitting model and the error
vector inversely.And the C-means clustering is used to cluster offline fingerprintdatabase to reduce the a-mount of computation in the online phase. Finally,WKNN is used to locate the target in the online phase. Test results show that the PFAM algorithm can still achieve high location accuracy with few RPs and the mean location error is only about 1.2 m. Cumulative distribution function (CDF) shows that 86% of the location errors are within 2 meters.
【总页数】6页(P64-69)
【作者】王维博;孙敬欢;董蕊莹;曾文入;张斌;郑永康
【作者单位】西华大学电气与电子信息学院,四川成都 610039;西华大学电气与电子信息学院,四川成都 610039;西华大学电气与电子信息学院,四川成都 610039;西华大学电气与电子信息学院,四川成都 610039;西华大学电气与电子信息学院,四川成都 610039;国网四川省电力公司电力科学研究院,四川成都 610072
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.一种基于iBeacon的改进型KNN位置指纹室内定位算法 [J], 韩非;千博
2.一种改进的候选位置指纹算法的室内定位方法 [J], 凌海波; 周先存; 何富贵
3.一种改进的RSSI指纹模式及室内定位算法 [J], 曹智妮
4.一种改进的WIFI位置指纹室内定位算法 [J], 谢世成;余学祥;赵佳星;汪涛;童子良
5.一种改进的Wi-Fi位置指纹室内定位算法 [J], 蒋盼盼;林琼;谢林蓉
因版权原因，仅展示原文概要，查看原文内容请购买。