一种基于位置指纹定位的K-均值聚类算法的改进

孔港港,杨力,孙聃石,吴雨

(1.信息工程大学 导航与空天目标工程学院,郑州,450001;2.北斗导航应用技术河南省协同创新中心,郑州 450001)



一种基于位置指纹定位的K-均值聚类算法的改进

孔港港1,2,杨力1,2,孙聃石1,2,吴雨1,2

(1.信息工程大学 导航与空天目标工程学院,郑州,450001;2.北斗导航应用技术河南省协同创新中心,郑州 450001)

位置指纹定位的K-均值聚类算法将参考点分为K个子类,将相似对象聚集在一起,从而减少指纹搜索空间,提高效率。本文在K-均值聚类算法的基础上对选取的子类中邻近点进行加权计算,提高高相关性参考点的计算比重,从而达到提高定位精度的目的。实验结果表明,改进后的算法具有更高定位精度,其精度提高了18.5%。

指纹定位;K-均值聚类;加权

0 引 言

随着无线局域网基础设施的不断增加,Wi-Fi热点现在正广泛布设于商场、校园、车站等公共场所,据统计,2015年全球公共Wi-Fi热点总数已达5000万[1]。人们对Wi-Fi的研究也开始由组网能力扩展到定位应用等方面,Wi-Fi定位的定位过程可分为信号采集阶段和坐标解算阶段。而位置指纹定位方法由于其无需测距的优点成为了Wi-Fi定位中常用的方法之一,对于Wi-Fi定位的研究具有重要意义[2]。本文在位置指纹定位方法中的K-均值(K-means)聚类算法的基础上对所选子类中的邻近点加权,提升高相关点坐标所占比重,实验结果表明:改进后的算法定位精度更优,达到了预期目的。

1 K均值聚类算法

1.1 位置指纹定位原理

位置指纹定位分为离线建立指纹库和在线定位两个阶段[3]。……