来源：期刊VIP网 时间：
作者：李金龙;肖东升;
单位：西南石油大学土木工程与测绘学院;西南石油大学测绘遥感地理信息防灾应急研究中心;成都高新减灾研究所;
摘要：针对数据库中离群点对定位的影响和不同AP在定位过程中具有不同的贡献值问题，提出了一种基于数据库分区聚类与RF-WED-WKNN融合的指纹室内定位算法模型。在离线阶段，将数据库中的数据按照空间位置划分为4个区域，并计算出每个区域的接收信号强度的平均值作为该区域的聚类信号质心；在线匹配阶段，先通过聚类计算确定测试点所在区域，再用随机森林算法计算该区域中的每个AP在该区域定位过程中的贡献值，将AP贡献值进行归一化处理后代入WKNN算法的欧氏距离计算中得到加权欧氏距离，最后通过加权欧氏距离进行加权计算出待定位点的坐标。本文提出的算法平均定位精度为1.17 m,相较于WKNN算法的1.82 m,聚类WKNN算法的1.55 m,和分区聚类-WKNN算法的1.34 m定位精度分别提升了35.71%、24.52%和12.69%,显著提高了定位的效率和精度。
关键词：分区聚类;;AP贡献值;;加权欧氏距离;;随机森林+
基金资助：四川省区域创新合作项目(23QYCX0053)
