【摘要】：提出一種利用WiFi信號指紋實現(xiàn)對室內(nèi)區(qū)域進行定位的CL-KNN(complete linkage K-nearest neighbor)算法.該算法先采用層次聚類方法對測試環(huán)境進行區(qū)域劃分,再根據(jù)相應的WiFi信號指紋信息進行匹配,最后通過加權(quán)計算確定定位結(jié)果.實驗結(jié)果表明,在WiFi熱點數(shù)量足夠多的情況下,與原始KNN算法和kmeans-KNN算法相比,CL-KNN算法可以獲得更高的定位精度和準確率.
【圖文】：

提取這K個點的位置信息(xi，yi)．若類P中的指紋點數(shù)目小于K，則提取類P中所有點的物理位置．在計算S的物理位置之前，根據(jù)S與K個點的指紋歐式距離來確定坐標權(quán)值的分配，權(quán)值的計算公式如下:w'sj=1(disj)2(4)wsj=w'sj∑Kj=1w'sj(5)其中:w'sj是一個權(quán)值的過度函數(shù);wsj是樣本j分配到的坐標權(quán)值;K表示類P中與S在歐氏距離上最近的K個點．5)最后，通過下式計算S的物理位置:(X，Y)=∑Ki=1wsi×(xi，yi)(6)3實驗分析和評估3．1實驗環(huán)境及數(shù)據(jù)采集圖1辦公區(qū)平面圖Fig．1Officeareaplan為了顯示CL－KNN算法的效果，在一個單層面積1427m2的辦公區(qū)構(gòu)建測試環(huán)境(不包含衛(wèi)生間和樓梯的占地面積)，如圖1所示．選用4款目前市場上較為流行的Android智能手機，型號分別是三星Note、小米3、華為榮耀6和LGnexus5，完成實驗中的指紋采集與定位．在測試環(huán)境下可探測得28個較為穩(wěn)定存在且具有不同SSID的WiFi熱點．實驗共采集255個樣本用于構(gòu)建指紋數(shù)據(jù)庫，采集的樣本點記錄如圖2所示(圖中展示的是指紋數(shù)據(jù)庫中前20個樣本點)．為了盡量減小因單向采集和身體遮擋所帶來的影響，在采集每一個樣本點時站在同一個位置同一個方向采集5組信號特征向量，，再在相反方向進行相同操作，其中每一組信號特征向量的采集都是使手機保持掃描5s得到的數(shù)圖2指紋數(shù)據(jù)庫記錄格式(前20個樣本點)Fig．2Fingerprintdatabaserecordformat(thefirsttwentiessamplepoints)·11·

(X，Y)=∑Ki=1wsi×(xi，yi)(6)3實驗分析和評估3．1實驗環(huán)境及數(shù)據(jù)采集圖1辦公區(qū)平面圖Fig．1Officeareaplan為了顯示CL－KNN算法的效果，在一個單層面積1427m2的辦公區(qū)構(gòu)建測試環(huán)境(不包含衛(wèi)生間和樓梯的占地面積)，如圖1所示．選用4款目前市場上較為流行的Android智能手機，型號分別是三星Note、小米3、華為榮耀6和LGnexus5，完成實驗中的指紋采集與定位．在測試環(huán)境下可探測得28個較為穩(wěn)定存在且具有不同SSID的WiFi熱點．實驗共采集255個樣本用于構(gòu)建指紋數(shù)據(jù)庫，采集的樣本點記錄如圖2所示(圖中展示的是指紋數(shù)據(jù)庫中前20個樣本點)．為了盡量減小因單向采集和身體遮擋所帶來的影響，在采集每一個樣本點時站在同一個位置同一個方向采集5組信號特征向量，再在相反方向進行相同操作，其中每一組信號特征向量的采集都是使手機保持掃描5s得到的數(shù)圖2指紋數(shù)據(jù)庫記錄格式(前20個樣本點)Fig．2Fingerprintdatabaserecordformat(thefirsttwentiessamplepoints)·11·
【作者單位】： 福州大學數(shù)學與計算機科學學院;
【基金】：國家自然科學基金資助項目(61370210) 福建省自然科學基金資助項目(2011J01345)
【分類號】：TN92

【相似文獻】

相關(guān)期刊論文 前10條

1 潘大慶;;基于層次聚類的微博敏感話題檢測算法研究[J];廣西民族大學學報(自然科學版);2012年04期

2 鄭曉鳴;呂士穎;王曉東;;一種基于隨機抽取的有限深度層次聚類[J];鄭州大學學報(理學版);2007年03期

3 湯周文;葉東毅;;基于層次聚類的差異化屬性約簡算法[J];計算機應用;2009年02期

4 文順;趙杰煜;朱紹軍;;基于貝葉斯和諧度的層次聚類[J];模式識別與人工智能;2013年12期

5 龔尚福;陳婉璐;賈澎濤;;層次聚類社區(qū)發(fā)現(xiàn)算法的研究[J];計算機應用研究;2013年11期

6 香紅麗;王瀟涵;羅淑云;;基于層次聚類方法研究課程關(guān)系結(jié)構(gòu)[J];中國科教創(chuàng)新導刊;2011年26期

7 李曉飛;;基于動態(tài)層次聚類的離散化算法的研究[J];計算機應用與軟件;2009年10期

8 張闊,徐鵬,李涓子,王克宏;基于優(yōu)化層次聚類的文檔邏輯結(jié)構(gòu)抽取[J];清華大學學報(自然科學版);2005年04期

9 王旅;彭宏;胡勁松;梁華芳;;層次聚類在種群親緣關(guān)系研究中的應用[J];計算機時代;2006年07期

10 黃健斌;康劍梅;齊俊杰;孫鶴立;;一種基于同步動力學模型的層次聚類方法[J];中國科學:信息科學;2013年05期

相關(guān)會議論文 前6條

1 吾守爾·斯拉木;吳啟南;;基于層次聚類方法[A];第六屆全國計算機應用聯(lián)合學術(shù)會議論文集[C];2002年

2 彭楠峗;王厚峰;凌晨添;;基于層次聚類的網(wǎng)絡新聞熱點發(fā)現(xiàn)[A];中國計算語言學研究前沿進展（2009-2011）[C];2011年

3 楊建武;;Web檢索結(jié)果的層次聚類研究[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 劉啟亮;鄧敏;李光強;王佳t

本文編號：2519499