陈 英,单文杰,杨丰玉

1(南昌航空大学 软件学院,南昌 330063)

2(南昌航空大学 物联网技术研究所,南昌 330063)

基于K-Means和FCM的增强型Wi-Fi指纹定位策略①

陈 英1,2,单文杰1,杨丰玉1

1(南昌航空大学 软件学院,南昌 330063)

2(南昌航空大学 物联网技术研究所,南昌 330063)

研究了通过数据处理算法以提高Wi-Fi指纹库室内定位性能的问题.首先采集Wi-Fi指纹样本,将其放入MySQL数据库中和R工程;其次将Wi-Fi指纹库分成若干个簇,使用K-均值聚类(K-Means)和模糊C-均值聚类(FCM)对待定位的Wi-Fi指纹进行聚类分析;最后,提出增强型的聚类策略(ECS)应用于Wi-Fi指纹匹配定位中.实验结果表明,ECS较仅使用FCM算法,其定位耗时缩短约50%-80%,且定位精度上有所改善;ECS较仅使用K-Means算法,其定位精度提高约20%-40%,且定位稳定性较强并自动更新Wi-Fi指纹库.

Wi-Fi指纹;K-均值聚类;模糊C-均值聚类;增强型定位策略

随着物联网技术的发展和移动互联网的普及,无处不在的位置服务也越来越被人们需要.据诺基亚公司的数据表明,人们87%-90%的时间在室内度过.但目前室内定位还处于初级阶段,无论在定位精度、速度、鲁棒性等方面还都不能够满足日益增长的智能位置服务的需求.基于Wi-Fi指纹匹配的无线室内定位技术[1]一定程度上解决了定位精度问题,且基础设备应用广泛,成本较低,深受研究人员的关注.但由于Wi-Fi无线设备大多应用于人类活动最为频繁的室内环境,无线室内定位易受室内布局变动、无线信号的多径效应等因素影响,其无线信号具有较强的波动性,严重影响定位……