基于聚类和K近邻算法的井下人员定位算法

摘要：

针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题,提出了基于聚类和K近邻算法的井下人员定位算法.用二分k-means聚类算法对采集的RSSI数据进行分类,建立离线指纹数据库;无线移动终端和动态修正器实时采集RSSI值,分别存储到在线定位数据库和动态修正数据库;根据待测点和动态修正器的离线数据和实时数据,采用软硬件动态修正加权K近邻算法计算权重值,结合离线指纹数据库中待测点的物理位置信息估算其实时位置.实验分析结果表明,所提定位算法的最小标准误差为0.46m,最大标准误差为3.26m,平均误差为1.62m.对比分析结果表明,与未进行聚类分析的算法相比,本文算法的精度更高,实时性更好;与未动态修正权重值的算法相比,本文算法的运算时间略有增加,但定位精度提高了37.21％.

关键词：井下人员定位、指纹定位、二分k-means聚类算法、软硬件动态修正加权K近邻算法、动态修正

所属期刊栏目：45

分类号：TD655.3(矿山电工)

资助基金：贵州省科技厅项目黔科合LH字[2016]7069;贵州工业职业技术学院校级科研课题2018009

在线出版日期：2019-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：43-48,76