基于Mean-Shift和加权K近邻的UWB指纹定位算法

发布时间：2023-03-23 01:25

　　针对受室内环境多径影响,基于接收信号强度指示(RSSI)的传统指纹定位算法中RSSI值波动性大的问题,利用超宽带(USB)信号时间分辨率高、测距值精确的优点,提出以测距值作为指纹量,构建超宽带指纹定位方法。提出了Mean-Shift与加权K近邻相结合的指纹定位算法,减少了在线匹配工作量的同时,降低了环境变化对定位结果的影响。通过实际场景实验测试表明:所提方法在视距和非视距环境中均可以达到厘米(cm)级定位精度,有效提高了定位的精度和稳健性。

【文章页数】：4 页

【文章目录】：
0 引言
1 UWB指纹定位方法
    1.1 离线建立指纹库
    1.2 在线匹配位置
2 Mean-Shift聚类+加权K近邻算法
    2.1 Mean-Shift聚类算法优化指纹库
    2.2 加权K近邻算法
3 算法实验与结果分析
    3.1 实验环境搭建
    3.2 实验结果分析
4 结论



本文编号：3767989