APP下载

基于k-means及改进k近邻的WiFi指纹定位算法

2018-04-17郭昕刚

长春工业大学学报 2018年1期

郭昕刚, 胡 朗

(长春工业大学 计算机科学与工程学院, 吉林 长春 130012)

0 引 言

近年来,随着移动互联网的快速发展以及无线WiFi的大量普及,基于位置的服务变得越来越流行。在室外环境中,全球定位系统(GPS)能够很好地实现定位。在室内环境中,由于建筑物的复杂结构以及室内障碍物的干扰,使得GPS技术在室内环境中受到了很大的限制[1]。而无线WiFi作为一种室内广泛分布的信号,其较强的稳定性以及传播距离远等特性,已经成为大量研究者青睐的对象。基于WiFi的定位技术中,常见的定位方法有:基于时间的定位(TOA)、基于角度定位(AOA)以及位置指纹定位[2]。位置指纹技术因不需要获取WiFi接入点的位置,是室内定位最为广泛的研究方法。位置指纹定位的主要问题是:离线数据库的建立以及在线实时的位置匹配。对于上述问题,文中研究了指纹库的建库原理,并将k-means聚类分析方法引入到WiFi定位技术中,提出了一种基于k-means聚类和加权的k近邻的位置指纹算法[3]。在离线建库阶段,采用k-means聚类方法将指纹库划分为不同的子类。在线定位阶段,将实测指纹与子类的类中心匹配,找到距离最近的类,在该类中找到相似指纹与之匹配[4]。针对位置估计算法,对现有的k近邻算法进行改进,引入了新的权重系数的计算方法。算法在定位环境下进行了仿真试验,验证了其有效性和实用性。

1 算法描述

1.1 离线指纹数据库的构建

离线采集过程包括两个阶段[5-7]:

2)将采集到的指纹数据进行建库,假设在特定区域有m个采样点,可以检测到有n个WiFi信号强度RSSI信息。……

登录APP查看全文