【摘要】：提出一種利用WiFi信號(hào)指紋實(shí)現(xiàn)對(duì)室內(nèi)區(qū)域進(jìn)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(duì)測(cè)試環(huán)境進(jìn)行區(qū)域劃分,再根據(jù)相應(yīng)的WiFi信號(hào)指紋信息進(jìn)行匹配,最后通過(guò)加權(quán)計(jì)算確定定位結(jié)果.實(shí)驗(yàn)結(jié)果表明,在WiFi熱點(diǎn)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(zhǔn)確率.
【圖文】：

提取這K個(gè)點(diǎn)的位置信息(xi，yi)．若類P中的指紋點(diǎn)數(shù)目小于K，則提取類P中所有點(diǎn)的物理位置．在計(jì)算S的物理位置之前，根據(jù)S與K個(gè)點(diǎn)的指紋歐式距離來(lái)確定坐標(biāo)權(quán)值的分配，權(quán)值的計(jì)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(gè)權(quán)值的過(guò)度函數(shù);wsj是樣本j分配到的坐標(biāo)權(quán)值;K表示類P中與S在歐氏距離上最近的K個(gè)點(diǎn)．5)最后，通過(guò)下式計(jì)算S的物理位置:(X，Y)=∑Ki=1wsi×(xi，yi)(6)3實(shí)驗(yàn)分析和評(píng)估3．1實(shí)驗(yàn)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(gè)單層面積1427m2的辦公區(qū)構(gòu)建測(cè)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(chǎng)上較為流行的Android智能手機(jī)，型號(hào)分別是三星Note、小米3、華為榮耀6和LGnexus5，完成實(shí)驗(yàn)中的指紋采集與定位．在測(cè)試環(huán)境下可探測(cè)得28個(gè)較為穩(wěn)定存在且具有不同SSID的WiFi熱點(diǎn)．實(shí)驗(yàn)共采集255個(gè)樣本用于構(gòu)建指紋數(shù)據(jù)庫(kù)，采集的樣本點(diǎn)記錄如圖2所示(圖中展示的是指紋數(shù)據(jù)庫(kù)中前20個(gè)樣本點(diǎn))．為了盡量減小因單向采集和身體遮擋所帶來(lái)的影響，在采集每一個(gè)樣本點(diǎn)時(shí)站在同一個(gè)位置同一個(gè)方向采集5組信號(hào)特征向量，，再在相反方向進(jìn)行相同操作，其中每一組信號(hào)特征向量的采集都是使手機(jī)保持掃描5s得到的數(shù)圖2指紋數(shù)據(jù)庫(kù)記錄格式(前20個(gè)樣本點(diǎn))Fig．2Fingerprintdatabaserecordformat(thefirsttwentiessamplepoints)·11·

(X，Y)=∑Ki=1wsi×(xi，yi)(6)3實(shí)驗(yàn)分析和評(píng)估3．1實(shí)驗(yàn)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(gè)單層面積1427m2的辦公區(qū)構(gòu)建測(cè)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(chǎng)上較為流行的Android智能手機(jī)，型號(hào)分別是三星Note、小米3、華為榮耀6和LGnexus5，完成實(shí)驗(yàn)中的指紋采集與定位．在測(cè)試環(huán)境下可探測(cè)得28個(gè)較為穩(wěn)定存在且具有不同SSID的WiFi熱點(diǎn)．實(shí)驗(yàn)共采集255個(gè)樣本用于構(gòu)建指紋數(shù)據(jù)庫(kù)，采集的樣本點(diǎn)記錄如圖2所示(圖中展示的是指紋數(shù)據(jù)庫(kù)中前20個(gè)樣本點(diǎn))．為了盡量減小因單向采集和身體遮擋所帶來(lái)的影響，在采集每一個(gè)樣本點(diǎn)時(shí)站在同一個(gè)位置同一個(gè)方向采集5組信號(hào)特征向量，再在相反方向進(jìn)行相同操作，其中每一組信號(hào)特征向量的采集都是使手機(jī)保持掃描5s得到的數(shù)圖2指紋數(shù)據(jù)庫(kù)記錄格式(前20個(gè)樣本點(diǎn))Fig．2Fingerprintdatabaserecordformat(thefirsttwentiessamplepoints)·11·
【作者單位】： 福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61370210) 福建省自然科學(xué)基金資助項(xiàng)目(2011J01345)
【分類號(hào)】：TN92

【相似文獻(xiàn)】

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(cè)算法研究[J];廣西民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

2 鄭曉鳴;呂士穎;王曉東;;一種基于隨機(jī)抽取的有限深度層次聚類[J];鄭州大學(xué)學(xué)報(bào)(理學(xué)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(jiǎn)算法[J];計(jì)算機(jī)應(yīng)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(shí)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(jì)算機(jī)應(yīng)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(guó)科教創(chuàng)新導(dǎo)刊;2011年26期

7 李曉飛;;基于動(dòng)態(tài)層次聚類的離散化算法的研究[J];計(jì)算機(jī)應(yīng)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(xué)學(xué)報(bào)(自然科學(xué)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(yīng)用[J];計(jì)算機(jī)時(shí)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(dòng)力學(xué)模型的層次聚類方法[J];中國(guó)科學(xué):信息科學(xué);2013年05期

相關(guān)會(huì)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(guó)計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會(huì)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(luò)新聞熱點(diǎn)發(fā)現(xiàn)[A];中國(guó)計(jì)算語(yǔ)言學(xué)研究前沿進(jìn)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(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 劉啟亮;鄧敏;李光強(qiáng);王佳t

本文編號(hào)：2519499