[发明专利]基于RSS-P的K近邻模糊聚类WLAN室内定位方法

说明书

技术领域

本发明涉及一种复杂系统辨识领域中的室内定位方法，具体涉及到基于 RSS-P(Received Signal Strengthand Position)的K近邻模糊聚类WLAN室 内定位方法。

背景技术

自从IEEE 802.11无线局域网标准问世以来，无线通信市场一直增长迅猛， 室内环境下WLAN的部署也越来越广泛，因此在现有高速无线局域网条件下，用 户凭借轻量级可移动的计算设备，就能随时随地接入互联网，这就给室内WLAN 环境下的定位提供了广泛的发展前景。而基于位置指纹的定位算法以其定位精 度比较高，可以充分利用现有的设施，不需要改变移动设备的硬件，系统无需 或仅增加极少的额外设备，升级和维护对用户影响小等优点得到了广泛的应用。

位置指纹定位算法主要有两个步骤：离线测量阶段和在线定位阶段。离线 测量阶段的主要任务是建立一个位置指纹数据库，要建立合适的指纹数据库， 必须首先选择参考节点的位置，然后将在每个参考节点处测量的来自各个接入 点的信号特征参数记录在数据库中，这个数据库也可以称为位置指纹地图。在 线定位阶段就是利用移动站测得的在某一位置处的信号特征参数，一般是RSS 均值，通过相应的搜索匹配算法，根据实测数据与指纹地图中存储数据的比较 分析，搜索出和测量点相匹配的存储数据，进而估计用户的实际位置。常用的 搜索匹配算法主要包括：最近邻法、K近邻法、概率法和神经网络法。

相比较而言，K近邻法在算法复杂度和定位精度上，都具有一定的优势。它 是利用计算测试点的RSS信号样本与不同参考点对应的RSS信号样本均值之间 的距离(通常选欧氏距离)，从最小距离所对应的参考点开始，选取K个参考点， 再计算它们的平均坐标作为待测目标的位置输出，从而估计测试点的实际位置。 这种方法充分利用了与测试点邻近且相关性较强的参考点位置信息，具有严谨 的推导过程。在环境变化不明显，室内信号分布较单一的条件下，K近邻法能够 得到较高的定位精度。但是，K近邻法是一种利用单一信号特征，且环境适应性 较差的定位方法，它不能综合考虑全局信号分布信息来对所选参考点集进行调 整或修正，该方法受室内多径效应、环境噪声等外界因素的影响较大。

发明内容

本发明的目的是提供一种基于RSS-P的K近邻模糊聚类WLAN室内定位方 法，以解决K近邻法环境适应性较差、不能综合考虑全局信号分布信息来对所 选参考点集进行调整或修正，因而一些参考点会造成较大定位误差的问题。

本方法通过下述步骤实现：一、在欲定位点测量并记录用户终端所接收到 的RSS信号；二、利用K近邻法确定与欲定位点信号特征最相似的K个参考点； 三、利用模糊聚类算法对所选的参考点的RSS值进行分类，计算每个聚类中心 向量中分量与来自相应AP的RSS值之差的平方，在类内将每个聚类中心向量中 分量与来自相应AP的RSS值之差的平方累加，选择和最小的一类；四、对于步 骤二中K近邻法所确定的参考点，再次利用模糊聚类算法，对步骤二中K近邻 法所确定的参考点的位置进行分类，选出与根据步骤三所选出类相同参考点最 多的一类参考点；五、取步骤三和步骤四所取得参考点的并集；六、计算步骤 五选出的参考点的平均坐标，作为欲定位点的位置。

本发明提出了一种基于RSS-P的K近邻模糊聚类WLAN室内定位方法。本发 明不仅能够消除K近邻法参考点数不同对定位精度的影响，而且也能够消除与 欲定位点RSS信号特征接近但实际位置较远的点对定位精度的影响。所以该方 法可以有效对K近邻法所选出的K个参考点进行筛选，滤除造成定位误差大的 参考点，只计算与欲定位点比较近的几个参考点的平均坐标，从而提高系统的 定位精度。

附图说明

图1是本发明实施方式三中在离线阶段构建位置指纹地图时参考点和测试 点的位置示意图。图2是本发明实施方式三中在线阶段，对于欲定位点(1.5， 1.5)所求得的定位值与仅基于RSS的K近邻模糊聚类结果、K近邻的结果的对 比示意图。

具体实施方式