10.13873/J.1000-9787(2023)03-0136-04
基于聚类优选自适应KNN的改进定位算法
针对室内复杂环境下,WiFi定位算法选取固定K近邻(KNN)会导致定位精度变差的问题,提出基于MeanShift聚类选取自适应KNN的混合相似度加权KNN(MWKNN)定位算法,并基于几何位置对自适应KNN进行动态优选.通过MeanShift聚类和几何位置动态优选自适应KNN进行加权KNN(WKNN)算法定位估计,削弱了含有较大误差的近邻点参与定位的影响,显著提高了算法的定位精度.实验结果表明:在3 m网格及3 dBm噪声标准差条件下,改进MWKNN定位算法的均方根误差为0.92 m,平均定位误差小于0.74 m;2 m精度下的概率达到96%.定位精度明显优于传统KNN和WKNN算法,同时提升了定位结果的稳定性.
室内定位、MeanShift聚类、几何位置优选、自适应K近邻、加权K近邻定位
42
TP393(计算技术、计算机技术)
辽宁省自然科学基金指导计划资助项目;辽宁省教育厅服务地方项目
2023-03-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
136-139