基于聚类优选自适应KNN的改进定位算法

摘要：

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.

关键词：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

所属期刊栏目：42

分类号：TP393(计算技术、计算机技术)

资助基金：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

在线出版日期：2023-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：136-139