[发明专利]一种基于扇形重叠区域聚类分析的定位方法

摘要

本发明公开了一种基于扇形重叠区域聚类分析的定位方法，包括以下步骤：S1、拟合接收信号强度指示值RSSI的高斯测距曲线；S2、基于扇形重叠区域划分；S3、聚类分析；S4、距离修正；S5、动态加权质心定位。本发明方法根据RSSI在测量造成的误差，加入高斯筛选剔除影响较大的接收信号强度指示值(RSSI)；再根据RSSI在定位分布的差异性，建立基于聚类分析的扇形重叠区域，在不同划分区域中利用参考节点间的几何位置加入修正系数进行距离修正。同时，利用动态加权质心定位算法进行定位，得到未知节点的位置。本发明的定位算法，具有定位精度高、计算复杂度低、硬件实现方便等优点。

主权项

1.一种基于扇形重叠区域聚类分析的定位方法，其特征在于，具体包括以下步骤：S1、拟合接收信号强度指示值RSSI的高斯测距曲线：计算当前环境中高斯分布拟合中信号传输1m时的信号强度损耗以及信号强度衰减指数n从而拟合所述RSSI高斯测距数学表达式；S2、基于扇形重叠区域划分：根据接收信号强度指示值RSSI分布具有区域差异性的特点，以正方形区域作为应用场景，在正方形四个顶点A、B、C、D各放置一个参考节点，分别为BS1、BS2、BS3、BS4，所述参考节点以所述正方形的边长R作为扇形的覆盖半径，根据被扇形覆盖的次数将正方形内的区域分为盲区、非集中区与集中区；S3、聚类分析：选取盲区、非集中区与集中区中簇的质心，根据欧式距离准则将未知移动节点MN经高斯筛选的RSSI数据集分别与三个区域簇的质心RSSI数据集进行计算，计算得最小值者则可判断未知移动节点MN在该区域覆盖范围；S4、距离修正：在选择参考节点定位之前，从参考节点中挑选第一参考节点和第二参考节点，使第一参考节点对第二参考节点进行测量距离修正，第一参考节点与未知节点MN的距离小余第二参考节点与未知节点MN的距离；S5、动态加权质心定位：动态加权质心定位算法结合盲区、非集中区、集中区RSSI数据集分布差异特性以及加权质心定位WCL具有区域中心特性，加入动态因子，从而对未知节点MN位置进行求解。