刘 辉，沙立成，王泽众，李 聪，樊 亮

（国网北京市电力公司，北京010000）

随着智慧城市的发展，人们获得了更优的位置服务，促进了与位置服务产业链快速拓展。考虑到建筑物会对卫星信号传输路径造成遮挡，从而引起能量损耗，因此采用卫星导航系统并不能实现对室内的精确定位[1-3]。考虑到室内区域存在广泛覆盖的Wi-Fi 局域网，因此可以利用该方式来实现室内定位的功能，从而显著降低定位成本。大量智能终端设备也被持续开发出来，大幅提升了用户覆盖率，同时针对智能终端设备集成了大量的Wi-Fi 模块。由于大部分建筑物中都设置了密集Wi-Fi 接入点，从而形成更多的RP 指纹特征维数，产生大量冗余数据，显著增加了搜索过程的复杂性[4-7]。

由于Wi-Fi 信号会产生多径效应，从而引起RSSI 值发生波动的现象，导致定位精度明显降低。由于室内环境一直发生动态变化，从而形成了不确定的噪声分布[8-11]。本文通过多尺度核主成分分析的过程提取得到定位区域内RP 指纹特征，对WKNN室内定位算法利用遗传算法进行优化处理获得目标节点位置。采用上述方法能够克服传统室内定位算法存在的限制，从而降低噪声引起的定位偏差，实现定位精度的显著提升。

1 定位架构设计

图1 给出了定位算法的具体架构，包含离线指纹数据库、指纹库区域、最长公共子序列（LCS）粗定位以及GA-WKNN 在线匹配算法[12-13]。

图1 定位算法架构图Fig.1 Location algorithm architecture

（1）建立初始离线指纹数据库。利用定位区内的RP 测试AP 的RSSI 与MAC，并通过AKF 滤波与中值滤波方式对RSSI 数据实施预处理，达到噪声去除的功能，同时记录RP 位置参数。……