[发明专利]一种快速精确的室内定位方法

摘要

本发明公开了一种快速精确的室内定位方法，包括：将待测区域划分为网格状，每个节点作为一个参考点，终端采集RSS指纹发送至服务器端；将参考点划分成子区域类，构建相应子区域的指纹库；设备采集待定位点RSS并识别待定位点所属区域类；在服务器端执行基于加权欧氏距离和异常值剔除的室内定位算法进行精确定位；从服务器端返回定位结果至终端并显示。本发明公开的一种快速精确的室内定位方法运用K‑means算法把参考点分成w个区域类，利用子区域的指纹数据库定位，减小了计算量降低了定位时间并精确了定位范围，克服了传统KNN算法定位速度慢的问题，利用加权欧氏距离改进KNN算法的度量方式，改善了相似度度量不准确的问题。

主权项

1.一种快速精确的室内定位方法，其特征在于，所述方法包括以下步骤：将待测区域划分为网格状，每个节点作为一个参考点，终端采集RSS指纹发送至服务器端；将参考点划分成子区域类，构建相应子区域的指纹库；设备采集待定位点RSS并识别待定位点所属区域类；在服务器端执行基于加权欧氏距离和异常值剔除的室内定位算法进行精确定位，其中，所述的基于加权欧氏距离和异常值剔除的室内定位算法包括：运用遗传算法，搜寻基于加权欧氏距离和异常点剔除的KNN算法中的最优参数s、k，根据结果初始化参数；粗筛选：计算待测点的RSS向量与子区域的指纹数据库RadioMap_i中每条向量的欧氏距离，并对它们进行升序排列，取前s个参考点构成新的指纹库RadioMap'_i；精确筛选：计算待测点的RSS向量与新指纹库RadioMap'_i中每条向量的加权欧氏距离，对它们进行升序排列，取前k个参考点构成最邻近点集，参考点对应的二维坐标构成最邻近坐标点集Z；异常点剔除：用异常点检测的方法识别集合Z中的异常点，剔除该参考点对应的加权欧式距离和二维坐标；其中，所述的异常点检测的方法为Modified Thompson Tau test，其具体判定规则如下：设为坐标对集合Z的均值，std_x,std_y分别为x坐标、y坐标数据集的标准差，则当：则认为x_i或y_i是异常值，同时把该坐标从坐标集中删除，并把其对应的加权欧氏距离删除，处理后剩余l个参考点；将剔除后参考点的加权距离作为权重，采用基于权重的方法得出待测点位置坐标P；从服务器端返回定位结果至终端并显示。