摘要: 针对复杂的室内环境和在传统K最近邻法(KNN)算法中认为信号差相等时物理距离就相等的两个问题,提出了一种新的接入点(AP)选择方法和基于缩放权重的KNN室内定位算法。首先改进AP的选择方法,使用箱形图过滤RSS的异常值,初步建立指纹库;剔除指纹库中丢失率高的AP;使用标准偏差分析接收信号强度(RSS)的变化,选择干扰较小的前n个AP。其次,在传统的KNN算法中引入缩放权重,构建一个基于RSS的缩放权重模型。最后,计算出获得最小有效信号距离的前K个参考点坐标,得到未知位置坐标。定位仿真实验中,仅对AP选择方法进行改进的算法平均定位误差比传统的KNN算法低1.28倍,引入缩放权重算法的平均定位误差为1.82m,比传统KNN低2.15倍。实验结果表明,在室内环境中该算法的定位精度都有明显的提高。
中图分类号: