[发明专利]一种改进MK模型和WKNN算法相结合的混合室内定位方法

摘要

本发明公开了一种改进MK模型和WKNN算法相结合的混合室内定位方法，该方法利用改进的MK模型建立更适合复杂室内环境的信号传播模型，在定位阶段帮助筛选最近邻点，使得相差较大的最近邻点不参与WKNN算法的定位中，根据欧几里得距离公式，求得各最近邻点到AP的距离，将这些距离作为权值，代入到WKNN算法的公式中求得最终的估计位置值。

主权项

1.一种改进MK模型和WKNN算法相结合的混合室内定位方法，其特征在于，所述方法包括如下步骤：步骤1：在定位环境中布置好采样点，在各采样点测量RSSI，根据采样点的RSSI和位置信息建立指纹数据库；步骤2：确定定位环境中的障碍物种类，获得改进的MK模型； L ( d ) = 10 γlog 10 ( d ) + l 0 + Σ i = 1 m Σ j = 1 n k i j l i j ]]>l0是常数，d表示发射端到接收端的距离，ki和kj分别表示穿过墙和地板的个数，lw和lf分别表示不同类型的墙壁和地板的衰减系数，kij表示穿过不同障碍物的个数，lij表示穿过第j个第i种障碍物的衰减系数；利用最小二乘法或最大似然法获取该定位环境下的改进MK模型的参数；步骤3：将位置指纹数据库中的所有指纹代入到该MK模型中计算误差，并得到平均误差；步骤4：根据选择测量点，获取RSSI组，将该RSSI组的元素分别代入到MK模型公式中，计算得到对应测量点到指定AP之间的距离矢量L；步骤5：将L中的元素与各自的近邻点进行比较，如果误差大于步骤3中计算得到的平均误差，就舍弃该近邻点，如果没有近邻点符合要求，就选取误差最小的那个近邻点；步骤6：求出该近邻点对应的位置；步骤7：将步骤6中求出的各近邻点的距离的倒数作为权值，代入到式WKNN算法的公式中，即： ( x ^ , y ^ ) = Σ i = 1 K 1 w i ( x i , y i ) Σ j = 1 K 1 w j ]]>wj是WKNN算法的权值，(xi,yi)是第i个参考点的坐标，然后估算得到最后的位置。