作者：杜太行, 孟岩, 孙曙光, 江春冬, 田朋

作者单位：河北工业大学人工智能与数据科学学院, 天津 300130

关键词：位置指纹定位;KNN算法;余弦相似度;二次加权质心算法;参考点

摘要：

针对室内无线电发射源的位置指纹定位问题，提出一种改进加权KNN定位算法。在分析现有定位算法的基础上，建立测试点和参考点的余弦相似度关系，并把该余弦相似度用作KNN在线定位计算的权重，计算出第一次加权质心定位结果，根据此结果判断是否进行二次加权来确定测试点最终的估计位置，最后进行算法的仿真测试。结果表明，较之传统位置指纹算法该算法定位准确度提高17%左右，不仅克服传统算法在发射源定位中由于在线阶段针对测试点接收到的信号强度不同造成的定位稳定性差的问题，还避免当存在离测试点较远的参考点时造成的定位误差大的问题。

Research on indoor radio source location based on improved weighted KNN algorithm
DU Taihang, MENG Yan, SUN Shuguang, JIANG Chundong, TIAN Peng
School of Artificial Intelligence, Hebei University of Technology, Tianjin 300130, China
Abstract: An improved weighted KNN location algorithm was proposed for the position fingerprint location problem of indoor radio source. Firstly, based on the analysis of the existing location algorithm, the cosine similarity relationship between the test point and reference point was established, and the cosine similarity was used as the weight of KNN online location calculation. Furthermore, the first weighted centroid location result was obtained. According to the result, it was judged whether a secondary weighting should be performed to determine the final estimated position of the test point. Finally, the simulation test of the algorithm was carried out,the results show that compared with the traditional position fingerprint algorithm the positioning accuracy of the algorithm is improved by about 17%. It not only overcomes the problem that the traditional algorithm has poor location stability due to different received signal strengths for the test points in the online stage,but also avoids large location error when there is a reference point far from the test point.
Keywords: position fingerprint location;KNN algorithm;cosine similarity;quadratic weighted centroid algorithm;reference point
2019, 45(9):105-111  收稿日期: 2019-01-10;收到修改稿日期: 2019-02-28
基金项目: 河北省教育厅资助科研项目（ZD2016108）
作者简介: 杜太行(1963-),男,天津市人,教授,博士生导师,主要研究方向为电器检测、计算机应用
参考文献
[1] 李昊. 位置指纹定位技术[J]. 山西电子技术, 2007(5):84-87
[2] 谢代军. 无线局域网室内定位技术研究[D].郑州:解放军信息工程大学, 2013.
[3] 秦泗明. 基于位置指纹的WiFi室内定位技术研究[D].成都:电子科技大学, 2013.
[4] 罗宇锋, 刘艳辉, 李晓春. WiFi指纹定位中采样间距对定位精度的影响[J]. 全球定位系统, 2018, 43(3):77-81, 94
[5] 杜太行, 李娟妹, 江春冬, 等. 平台侧位置指纹定位系统中接收端问题的优化[J]. 电讯技术, 2017, 57(8):950-956
[6] 汪伦杰, 廖兴宇, 潘伟杰, 等. 基于信号均值滤波+k-means+WKNN的Wifi指纹定位算法研究[J]. 微电子学与计算机, 2017, 34(3):30-34
[7] 蔡朝晖, 夏溪, 胡波, 等. 室内信号强度指纹定位算法改进[J]. 计算机科学, 2014, 41(11):178-181
[8] 田洪亮, 钱志鸿, 梁潇, 等. 离散度WKNN位置指纹Wi-Fi定位算法[J]. 哈尔滨工业大学学报, 2017(5):94-99
[9] 李昂, 肖甫, 李雷. 基于改进型KNN算法和Android平台的室内定位技术研究[J]. 物联网技术, 2018, 8(3):21-25
[10] 赵聪. 基于位置指纹的WLAN室内定位算法研究[D].哈尔滨:哈尔滨工业大学, 2014.
[11] 王缓缓, 邱建文. 基于区域分割的二次质心定位算法[J]. 计算机应用与软件, 2015(4):279-282
[12] 李红丽. 基于WiFi的室内定位技术的研究[D].北京:北京交通大学, 2014.