[发明专利]一种基于SVM和K均值聚类的室内定位方法

摘要

本发明采用一种基于支持向量机(Support Vector Machine,SVM)与K均值聚类算法的方法实现室内定位，旨在改善室内定位的定位精度和稳定性，降低定位算法的复杂度。定位的主要过程：第一步，在定位区域内均匀选取若干个参考点并在这个点上采集RSSI样本，与参考点位置坐标组成一个指纹，所有指纹构成指纹库；第二步，对指纹库采用K均值聚类算法，将定位区域自动划分为若干小范围的子区域；第三步，在定位子区域中采用SVM算法，对每个子区域构建定位子模型；第四步，计算每个子区域内RSSI的平均值，作为该子区域的聚类中心；第五步，计算实时RSSI信号与所有子区域聚类中心的欧氏距离，确定最近的一个子区域，再利用第三步中构建出来的定位模型中实现精确定位。

主权项

一种基于SVM和K均值聚类的室内定位方法，其特征在于，采用SVM(支持向量机)与K均值聚类相结合的算法实现室内定位，其具体的步骤如下：S1、在定位区域内均匀选取若干参考点，每个参考点采集RSSI信号，并与参考点位置坐标组成一个指纹，所有指纹构成一个指纹库；S2、对S1生成的指纹库采用K均值聚类算法，将整个大范围的定位区域自动划分为若干小范围的定位子区域；S3、在S2中得到的每一个定位子区域中采用SVM算法，对每一个定位子区域构建定位子模型；S4、在每一个定位子区域中，计算该子区域内所有RSSI信号的平均值，并用该平均值代表该子区域的聚类中心；S5、计算实时RSSI信号与所有子区域的聚类中心的欧氏距离，确定最近的一个子区域，然后再利用S3中构建出来的定位模型中实现精确定位。