基于卡方距離改進(jìn)的WLAN位置指紋定位算法研究.pdf

1、近年來，室內(nèi)定位技術(shù)在現(xiàn)代社會中扮演了越來越重要的角色。一般來說，室內(nèi)定位方法包括參數(shù)化定位方法和非參數(shù)化定位方法。在這些方法中，非參數(shù)化定位方法中的位置指紋定位法被廣泛的研究和應(yīng)用。位置指紋定位法包括離線訓(xùn)練和在線定位兩個階段:在離線訓(xùn)練階段，將每一個參考點(diǎn)（Reference Point，RP）處采集來自各接入點(diǎn)(Access Point，AP)的一組信號強(qiáng)度值作為一條位置指紋信息存入數(shù)據(jù)庫;在在線定位階段，利用模式匹配算法對用戶移

2、動終端實時采集的位置指紋信息和數(shù)據(jù)庫中的位置指紋信息進(jìn)行比較來獲得用戶的實際物理坐標(biāo)。本文將研究焦點(diǎn)聚焦于無線局域網(wǎng)WLAN環(huán)境下的基于信號強(qiáng)度的位置指紋定位算法，著重在參考點(diǎn)聚類及AP加權(quán)兩個方面進(jìn)行深入研究。
　　本文分析當(dāng)前應(yīng)用廣泛的K-means參考點(diǎn)聚類算法，針對該法對噪聲數(shù)據(jù)和孤立點(diǎn)數(shù)據(jù)非常敏感等缺點(diǎn)，提出利用快速K-medoids聚類算法來對定位區(qū)域內(nèi)的參考點(diǎn)進(jìn)行聚類。在離線訓(xùn)練階段，快速K-medoids參考點(diǎn)聚類

3、算法先選取初始類中心參考點(diǎn)，再通過迭代方式在每一類中選取與其它位置指紋信息距離之和最小的那條位置指紋信息對應(yīng)的參考點(diǎn)作為類中心參考點(diǎn)。相比K-means參考點(diǎn)聚類算法，快速K-medoids參考點(diǎn)聚類算法在去除噪聲數(shù)據(jù)和孤立點(diǎn)數(shù)據(jù)上具有更好的魯棒性。
　　在位置指紋定位技術(shù)中，加權(quán)K近鄰法是一種經(jīng)典的模式匹配算法，其使用歐式距離作為算法中的距離度量函數(shù)，歐式距離將各AP賦予相同的權(quán)重，但是在實際定位過程中不同AP對定位精度的影響是

4、不同的。針對這個問題，本文提出利用更能體現(xiàn)特征向量之間相對關(guān)系的卡方距離作為位置指紋定位算法中的距離度量函數(shù)，并利用靈敏度法對各AP的權(quán)重進(jìn)行計算，然后利用加權(quán)后的卡方距離進(jìn)行用戶定位的方法，即基于卡方距離改進(jìn)的加權(quán)K近鄰定位算法，該法可以有效降低環(huán)境噪聲對定位精度的影響。此外，本文還將該法和快速K-medoids參考點(diǎn)聚類算法相結(jié)合形成一套完整的算法，即基于卡方距離改進(jìn)的位置指紋定位算法。
　　通過實驗數(shù)據(jù)分析證明，與經(jīng)典的加權(quán)