基于余弦相似度的加权K近邻室内定位算法-计算机应用与软件.PDF

第３６卷第２期　　　 计算机应用与软件 Ｖｏｌ３６Ｎｏ．２ ２０１９年２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｆｅｂ．２０１９ 基于余弦相似度的加权Ｋ近邻室内定位算法 黄运稳　陈　光　叶建芳 （东华大学信息科学与技术学院　上海２０１６００） 摘　要　　基于位置指纹的室内定位系统能够实现较高精度的定位，其中ＫＮＮ（Ｋｎｅａｒｅｓｔｎｅｉｇｈｂｏｒ）和余弦相似 度定位算法原理简单且易于实现。但每种算法仅从单一限制条件进行匹配，导致定位精度不高。针对此问题，提 出基于余弦相似度的加权ＫＮＮ算法，并通过实验测试算法的定位性能。实测结果表明，该算法的定位精度高于 传统定位算法。当ＡＰ数量为５时，平均误差为１．６７ｍ。定位精度优于１ｍ的置信概率为４２％，优于２ｍ的置信 概率为８８％，最大定位误差为４．３ｍ。 关键词　　室内定位　ＷｉＦｉ指纹　奇异点　Ｋ近邻法　余弦相似度 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１９．０２．０２９ ＷＥＩＧＨＴＥＤＫＮＥＡＲＥＳＴＮＥＩＧＨＢＯＲＩＮＤＯＯＲＬＯＣＡＴＩＯＮＡＬＧＯＲＩＴＨＭ ＢＡＳＥＤＯＮＣＯＳＩＮＥＳＩＭＩＬＡＲＩＴＹ ＨｕａｎｇＹｕｎｗｅｎ　ＣｈｅｎＧｕａｎｇ　ＹｅＪｉａｎｆａｎｇ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＤｏｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０１６００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｄｏｏｒｐｏｓｉｔｉｏｎｉｎｇｓｙｓｔｅｍｂａｓｅｄｏｎｐｏｓｉｔｉｏｎｆｉｎｇｅｒｐｒｉｎｔｃａｎａｃｈｉｅｖｅｐｏｓｉｔｉｏｎｉｎｇｗｉｔｈｈｉｇｈｅｒｐｒｅｃｉｓｉｏｎ．ＫＮＮ ａｎｄｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙｐｏｓｉｔｉｏｎｉｎｇａｌｇｏｒｉｔｈｍｓａｒｅｓｉｍｐｌｅａｎｄｅａｓｙｔｏｉｍｐｌｅｍｅｎｔ，ｂｕｔｅａｃｈａｌｇｏｒｉｔｈｍｏｎｌｙｍａｔｃｈｅｓｆｒｏｍａ ｓｉｎｇｌｅｃｏｎｓｔｒａｉｎｔｃｏｎｄｉｔｉｏｎ，ｒｅｓｕｌｔｉｎｇｉｎｌｏｗｐｏｓｉｔｉｏｎｉｎｇａｃｃｕｒａｃｙ．Ｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｗｅｉｇｈｔｅｄ ＫＮＮａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙａｎｄｔｅｓｔｅｄｔｈｅｐｏｓｉｔｉｏｎｉｎｇｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅａｌｇｏｒｉｔｈｍｔｈｒｏｕｇｈｅｘｐｅｒｉｍｅｎｔｓ． Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｏｓｉｔｉｏｎｉｎｇａｃｃｕｒａｃｙｏｆｔｈｉｓａｌｇｏｒｉｔｈｍｉｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌｐｏｓｉｔｉｏｎｉｎｇａｌｇｏｒｉｔｈｍ． ＷｈｅｎｔｈｅｎｕｍｂｅｒｏｆＡＰｓｉｓ５，ｔｈｅａｖｅｒａｇｅｅｒｒｏｒｉｓ１．６７ｍ．Ｔｈｅｃｏｎｆｉｄｅｎｃｅｐｒｏｂａｂｉｌｉｔｙｏｆｐｏｓｉｔｉｏｎｉｎｇａｃｃｕｒａｃｙｂｅｔｔｅｒ ｔｈａｎ１ｍｉｓ４２％，ａｎｄｔｈｅｃｏｎｆｉｄｅｎｃｅｐｒｏｂａｂｉｌｉｔｙｂｅｔｔｅｒｔｈａｎ２ｍｉｓ８８％．Ｔｈｅｍａｘｉｍｕｍｐｏｓｉｔｉｏｎｉｎｇｅｒｒｏｒｉｓ４．３ｍ． Ｋｅｙｗｏｒｄｓ　　Ｉｎｄｏｏｒｐｏｓｉｔｉｏｎｉｎｇ　ＷｉＦｉｆｉｎｇｅｒｐｒｉｎｔ　Ｓｉｎｇｕｌａｒｐｏｉｎｔ　Ｋｎｅａｒｅｓｔｎｅｉｇｈｂｏｒ　Ｃｏｓｉｎｅｓｉｍｉｌａｒｉｔｙ 信号不受视距传播的影响，信号的覆盖范围较大，而且 ０　引　言 不易受到噪声的干扰，适合于复杂的室内环境定位。 尤其是，ＷｉＦｉ指纹定位不用添加其他任何硬件，利用 随着社会的进步与发展，人们对室内位置服务 现有的ＷＬＡＮ，通过软件编程就可以在移动智能终端 ＬＢＳ（ＬｏｃａｔｉｏｎＢａｓｅｄ