测绘科学

2019, v.44;No.257(11) 184-188+194

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

聚类阈值结合动态K值的蓝牙室内定位算法
Bluetooth indoor localization algorithm based on clustering threshold and EWKNN

郭英;冯茗杨;孙玉曦;刘清华;姬现磊;

摘要(Abstract):

针对固定阈值的动态K近邻算法定位时未能有效剔除距离较远参考点的问题,该文提出了基于聚类阈值结合动态K值的算法:①在离线阶段建立聚类指纹库,并在每个聚类子块中设定聚类阈值;②在线阶段根据待测点信号确定其所处的聚类子块和对应的阈值,由信号强度的欧氏距离和聚类阈值选取K个信号距离最小的参考点;③以信号距离倒数为权重计算坐标加权平均,作为定位结果。实验分析得出,与固定阈值的动态K值算法的平均定位误差为2.64m;聚类阈值结合动态K值算法的平均定位误差为1.12m,降低了57.6%,并且点位误差在1m和2m内的可信度分别为42.3%和77.8%。聚类阈值结合动态K值算法能够较好地剔除距离较远的参考点,可以有效提高蓝牙指纹定位的精度。

关键词(KeyWords): 蓝牙RSSI指纹定位;K均值聚类;动态加权K近邻算法;聚类阈值

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划项目(2016YFC0803102)

作者(Author): 郭英;冯茗杨;孙玉曦;刘清华;姬现磊;

Email:

DOI: 10.16251/j.cnki.1009-2307.2019.11.027

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享