基于聚类优选自适应KNN的改进定位算法

商磊; 关维国; 龚瑞雪

doi:10.13873/J.1000-9787(2023)03-0136-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于聚类优选自适应KNN的改进定位算法

计算与测试 | 更新时间：2025-09-11

- 基于聚类优选自适应KNN的改进定位算法
- 暂无标题
- 传感器与微系统 2023年第3期页码：136-139
- 作者机构：
  
  辽宁工业大学电子与信息工程学院
- 作者简介：
- 基金信息：
  
  辽宁省自然科学基金指导计划资助项目(20170540437);辽宁省教育厅服务地方项目(LJKFZ20220238)
- DOI：10.13873/J.1000-9787(2023)03-0136-04
  中图分类号： TN92
- 纸质出版：2023
- 稿件说明：
移动端阅览
商磊, 关维国, 龚瑞雪. 基于聚类优选自适应KNN的改进定位算法[J]. 传感器与微系统, 2023,(3):136-139.
商磊, 关维国, 龚瑞雪. 基于聚类优选自适应KNN的改进定位算法[J]. 传感器与微系统, 2023,(3):136-139. DOI： 10.13873/J.1000-9787(2023)03-0136-04.

DOI：

摘要

针对室内复杂环境下，WiFi定位算法选取固定K近邻(KNN)会导致定位精度变差的问题，提出基于MeanShift聚类选取自适应KNN的混合相似度加权KNN(MWKNN)定位算法，并基于几何位置对自适应KNN进行动态优选。通过MeanShift聚类和几何位置动态优选自适应KNN进行加权KNN(WKNN)算法定位估计，削弱了含有较大误差的近邻点参与定位的影响，显著提高了算法的定位精度。实验结果表明：在3 m网格及3 dBm噪声标准差条件下，改进MWKNN定位算法的均方根误差为0.92 m

平均定位误差小于0.74 m; 2 m精度下的概率达到96%。定位精度明显优于传统KNN和WKNN算法，同时提升了定位结果的稳定性。

Abstract

关键词

Keywords

references

基于RSSI的室内WiFi定位算法[J]. 朱正伟;蒋威;张贵玲;诸燕平;朱晨阳.计算机工程与设计,2020(10)

自适应K值及指纹库扩充的WLAN室内定位方法[J]. 王轩;陈国良;曹晓祥;杨梦怡;王睿.测绘科学,2020(07)

基于Mean-Shift和加权K近邻的UWB指纹定位算法[J]. 李世银;王晓明;陈炜翰;朱媛.传感器与微系统,2020(02)

基于归一化RSS和约束WKNN的WiFi指纹定位算法[J]. 冯涛;阮超;郭凯旋;卢彦霖;余敏.传感器与微系统,2018(10)

一种改进的组合定权的指纹定位算法[J]. 曹晓祥;陈国良.测绘通报,2018(02)

离散度WKNN位置指纹Wi-Fi定位算法[J]. 田洪亮;钱志鸿;梁潇;王义君;王雪.哈尔滨工业大学学报,2017(05)

基于K近邻法的WiFi定位研究与改进[J]. 吴泽泰;蔡仁钦;徐书燕;吴小思;傅予力.计算机工程,2017(03)

基于改进WKNN的位置指纹室内定位算法[J]. 陈空;宋春雷;陈家斌;杨黎明;尹静源.导航定位与授时,2016(04)

基于训练集聚类的KNN算法及其应用研究[D]. 郇益斌.山东科技大学,2017(03)

Bluetooth positioning based on weighted K-nearest neighbors and adaptive bandwidth mean shift[J]. Qi Wang;Rui Sun;Xiangde Zhang;Yanrui Sun;Xiaojun Lu.International Journal of Distributed Sensor Networks,2017

浏览量

538

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于中值和滑动窗口融合滤波的WKNN定位算法

基于RSSI测距修正的室内融合优化定位算法

基于中心差分扩展集员滤波的融合室内定位算法

基于深度神经网络的室内定位算法

基于混合H2/H∞滤波信息融合的室内定位算法