基于WiFi的自适应匹配预处理WKNN算法

摘要：

针对基于接收信号强度(Received Signal Strength,RSS)的WiFi室内定位技术中,传统加权K邻近(Weighted K-nearest Neighbor,WKNN)算法不能自适应获取WLAN中有效接入点(Aeess Point,AP)且参考点匹配准确度不高的问题,本文提出了自适应匹配预处理WKNN算法.该算法中每个实时定位点自适应地根据网络状况对AP的RSS均值由大到小排序,然后选择RSS均值较大的前M个AP,与参考点中对应的M个AP一起参与匹配预处理计算,从而优化了传统的指纹定位算法.同时将室内定位和室内地图相结合,使参考点和定位结果直观地展示在地图上,并通过使用地图数据大幅度简化了离线训练过程.此外,本文设计并实现了基于Android平台的室内定位系统,通过该系统验证了本文所提算法在单点定位和移动定位中的有效性.实验结果表明,该算法可获得30％以上的定位误差改善,有效提高了定位精度和定位稳定性.

关键词：WiFi、室内定位、室内地图、加权K邻近算法、自适应匹配预处理

所属期刊栏目：31

分类号：TN92

资助基金：国家自然科学基金61201164,61271240;南京邮电大学宽带无线通信与传感网技术教育部重点实验室开放研究基金NYKL201509;东南大学移动通信国家重点实验室开放研究基金2016D01;高等学校博士学科点专项科研基金20113223120002;江苏省高校自然科学基金11KJB510016;中国博士后科学基金2013M531392;江苏省博士后基金1201014C

在线出版日期：2015-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1067-1074