一种基于区域优选的自适应蓝牙指纹定位算法

发布时间：2021-05-21 16:49

　　针对蓝牙定位精度差、耗时长等问题,该文提出一种基于区域优选的自适应蓝牙指纹定位算法。离线阶段,采用粗细粒度划分建立关于RSSI采样点位置映射的指纹库;在线阶段,根据信标距离和RSSI的关系,提出加权欧氏距离和区域优选算法,有效地克服了定位稳定性差和耗时长的问题,定位效率提高了40%,在在线定位过程中,采用自适应K值定位算法,有效地剔除了离定位点较远的点,提高了定位的精度与稳定性。在5 m×9 m的区域内进行定位精度测试,结果表明:蓝牙定位平均定位误差为0.92 m,定位误差均在2 m以内,90%的点定位精度优于1.5 m。 

【文章来源】：测绘科学. 2020,45(08)北大核心CSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 蓝牙指纹定位技术
    1.1 蓝牙位置指纹定位原理
    1.2 KNN算法
2 基于区域优选和自适应K值的蓝牙定位算法
    2.1 区域优选
    2.2 加权欧氏距离
    2.3 自适应K值加权定位算法
3 实验与分析
    3.1 实验环境与设置
    3.2 结果分析
4 结束语


【参考文献】：
期刊论文
[1]基于分步的位置指纹定位算法研究[J]. 杨勇明.  电子科技. 2018(11)
[2]基于K-means的室内定位加权优化k-NN算法[J]. 吉彩云,袁明辉,李瑞祥,汤家森.  电子测量技术. 2018(10)
[3]一种改进的组合定权的指纹定位算法[J]. 曹晓祥,陈国良.  测绘通报. 2018(02)
[4]基于智能手机的室内定位技术的发展现状和挑战[J]. 陈锐志,陈亮.  测绘学报. 2017(10)
[5]高斯函数定权的改进KNN室内定位方法[J]. 毕京学,甄杰,汪云甲,刘笑笑.  测绘通报. 2017(06)
[6]基于RSS相关性的位置指纹室内定位方法[J]. 羊宗灏,程凯,周宝定,冯毅文,刘晶晶.  智能计算机与应用. 2017(02)
[7]基于余弦相似度的指纹匹配算法的室内定位方法[J]. 刘冰,李文书.  科技通报. 2017(03)
[8]全球导航卫星系统发展综述[J]. 宁津生,姚宜斌,张小红.  导航定位学报. 2013(01)
[9]位置指纹定位技术[J]. 李昊.  山西电子技术. 2007(05)



本文编号：3200051