邬春明，齐森南

(东北电力大学 现代电力系统仿真控制与绿色电能新技术教育部重点实验室，吉林省 吉林市 132012)

0 引 言

随着通信技术的发展、移动网络的普及和设备的兴起，人们对室内定位服务(indoor positioning service, IPS)的需求逐渐升高[1-2]。定位服务主要依赖无线通信技术，由于Wi-Fi接入点在室内环境中随处可见，并且几乎所有移动设备都具有内置的Wi-Fi接收模块[3-4]。因此，Wi-Fi室内定位技术已成为现今的热点研究课题[5]。

传统室内定位方法，如三边定位法，虽然其算法理论简单，实现方便，但易受到多径效应以及室内环境的影响导致定位精度偏低[6-7]。近年来，国内外学者多采用接收信号强度指示(received signal strength indication，RSSI)作为指纹信息进行室内定位研究[8-9]。相较于传统室内定位方法，指纹定位技术不受信号多径效应的影响，通过对定位场景的特殊信息进行量化并建立数据集，选用合适的定位匹配算法计算出测试点与特征数据库中最相似的采样点，从而确定目标位置。在多种定位匹配算法中，加权K近邻算法(weighted K-nearest neighbor，WKNN)是目前使用频率较高的一种算法，通过参考点相似度加权计算完成测试点定位[10-11]。

影响指纹定位算法定位效果的关键因素在于如何优化离线指纹数据和WKNN算法中最优K值的选择问题。现有研究多采用K-means聚类算法对离线指纹数据进行优化处理，但是聚类效果受初始中心的选择和聚类数目的影响，算法容易陷入局部最优状态，同时容易导致聚类离散点的出现。为解决以上问题，很多学者进行了研究与改进。……