基于RSSI的KNN-PIT室内自适应定位算法

• 作者: 余敏 周礼争 唐瑞 孙冰洁
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 室内定位 K最近邻 三角形内点 虚拟参考点 自适应
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 计算与测试
• 页码范围: 128-131
• 页数: 4页
• 分类号: TP393
• 字数: 2020字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2015)07-0128-04

摘要

针对基于接收信号强度指示(RSSI)的K最近邻(KNN)算法在室内定位精度较低的问题,提出一种改进的KNN-三角形内点(KNN-PIT)室内定位算法.根据室内空间结构特征,建立具有类标号的位置指纹库.引入虚拟参考点,利用PIT原理进一步约束目标点的定位区域,自适应地使用定位算法进行定位.综合运用高斯滤波、均值滤波技术,降低离线和在线阶段的信号随机误差.结果表明:改进后的KNN-PIT定位算法可以更好地估计用户的实际位置,降低定位误差,定位精度提高12.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余敏	江西师范大学计算机信息工程学院	94	616	12.0	19.0
2	周礼争	江西师范大学计算机信息工程学院	6	26	3.0	5.0
3	唐瑞	江西师范大学软件学院	7	47	4.0	6.0
4	孙冰洁	江西师范大学软件学院	2	28	2.0	2.0