基于启发式聚类的WIFI室内定位算法研究

发布时间：2020-05-26 00:44

【摘要】：启发式聚类算法是数据挖掘和机器学习的研究热点,广泛应用于数据挖掘、无线传感网络等领域。而随着移动互联网的发展,WIFI室内定位技术得到广泛的应用,其中基于指纹库的WIFI定位技术应用最为广泛。为取得更精确的定位,大量的研究学者使用启发式聚类算法获得更加精确的定位信息。本文的主要研究内容如下:首先,通过大量查阅该领域的论文,并进行实验仿真,对比了已提出的传统WIFI定位算法,发现大多数的研究者在进行指纹库的建立时,都是在连续的区域内采集指纹,需要花费的时间太多。本文在采集指纹数据阶段,建立了POI指纹库,对需要定位的区域进行了划分,对每个POI区域都建立了属于自己的指纹图信息,避免了一些多余的指纹采集工作,提高了定位效率。其次,由于传统启发式聚类算法具有收敛速度快、易于实现等优点,但初始解敏感严重影响了聚类算法质量。本文提出了一种烟花搜索导向的多路启发式聚类算法FSG_MHC(Fireworks Search Guided Multi-way Heuristic Clustering algorithm)。该算法先通过P次调用经典启发式聚类算法用以产生P个局部最优解;然后在搜索空间中以P个局部最优解为搜索起点,采用烟花搜索进行多路搜索,通过烟花算法收敛获得新的搜索起点;最后使用新的搜索起点调用经典启发式聚类算法获得高质量聚类结果。具体的烟花搜索步骤为:对于给定的p∈P路搜索,先基于信息熵浓度设计烟花选择算子确定搜索方向;再经过变异,映射,偏移算子变换局部最优中心点,以发现质量更好的搜索起点。最后,经过实验分析,FSG_MHC算法在4个不同数据集上的聚类质量都明显高于对比聚类算法的聚类质量,此外,对定位系统进行误差分析,实验结果表明,定位平均误差为1.730米,明显优于对比算法的定位结果。
【图文】：

示意图,指纹数据,指纹库,指纹

的方式来表现同一参考点为接收到的不同ＷＩＦＩ信号，再加上该参考点的位置信逡逑息，就能够精确的表示这一参考点的特性，也就是该参考点的特有指纹，然后通逡逑过匹配算法将待测点的信息和指纹库数据进行匹配。图２－２展示的就是有关指纹逡逑库建立的叙述：逡逑位置信息ＷＳＩ向量Ｘ邋７逡逑区域标记（Ｘｉ，ｙ丨）ＲＳＳＩ，邋ＲＳＳＩ，ＲＳＳＵ…ＲＳＳＩ邋ｎ逡逑网格参数区域标记（ｘ，，，ｙ丨）ＲＳＳＩ，邋ＲＳＳ１２邋ＲＳＳＩ，．．．邋ＲＳＳＩ邋？逡逑网格参数区域标记（ｘ２，ｙ２）邋ＲＳＳＩ，邋ＲＳＳＩ邋２ＲＳＳＩ３．．．邋ＲＳＳＩ邋？逡逑逦邋网格参数区域标记（ｘ２，ｙ２）邋ＲＳＳＩ，邋ＲＳＳＩ邋２邋ＲＳＳ１３．＿．邋ＲＳＳＩ邋？逡逑图２－２指纹组成及指纹库建立示意图逡逑在对指纹数据采集完成之后，还需要需要对采集完之后的数据进行铝箔处理。逡逑在整个的指纹数据采集完陈之后，就是运用算法进行匹配％２４］。匹配算法的基本逡逑原理是是通过对比指纹库中的数据，寻找到最近似的几个参考点，在通过距离计逡逑算

示意图,指纹,示意图,区域标记

的方式来表现同一参考点为接收到的不同ＷＩＦＩ信号，再加上该参考点的位置信逡逑息，就能够精确的表示这一参考点的特性，也就是该参考点的特有指纹，然后通逡逑过匹配算法将待测点的信息和指纹库数据进行匹配。图２－２展示的就是有关指纹逡逑库建立的叙述：逡逑位置信息ＷＳＩ向量Ｘ邋７逡逑区域标记（Ｘｉ，ｙ丨）ＲＳＳＩ，邋ＲＳＳＩ，ＲＳＳＵ…ＲＳＳＩ邋ｎ逡逑网格参数区域标记（ｘ，，ｙ丨）ＲＳＳＩ，邋ＲＳＳ１２邋ＲＳＳＩ，．．．邋ＲＳＳＩ邋？逡逑网格参数区域标记（ｘ２，ｙ２）邋ＲＳＳＩ，邋ＲＳＳＩ邋２ＲＳＳＩ３．．．邋ＲＳＳＩ邋？逡逑逦邋网格参数区域标记（ｘ２，ｙ２）邋ＲＳＳＩ，邋ＲＳＳＩ邋２邋ＲＳＳ１３．＿．邋ＲＳＳＩ邋？逡逑图２－２指纹组成及指纹库建立示意图逡逑在对指纹数据采集完成之后，还需要需要对采集完之后的数据进行铝箔处理。逡逑在整个的指纹数据采集完陈之后，就是运用算法进行匹配％２４］。匹配算法的基本逡逑原理是是通过对比指纹库中的数据，寻找到最近似的几个参考点，在通过距离计逡逑算
【学位授予单位】：安徽工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN92;TP311.13

【相似文献】