为提高WIFI室内定位指纹库的构建效率和扩充指纹库的定位精度,提出了一种信号波动牵引下指纹清晰度的扩库定位算法(Database expansion and Indoor Localization based on Fingerprint Definition obtained by Signal⁃fluctuation,DIFS...为提高WIFI室内定位指纹库的构建效率和扩充指纹库的定位精度,提出了一种信号波动牵引下指纹清晰度的扩库定位算法(Database expansion and Indoor Localization based on Fingerprint Definition obtained by Signal⁃fluctuation,DIFS)。算法针对复杂室内环境下路径损耗指数发生区域性改变的问题,结合密度峰值聚类(Density Peek Clustering,DPC),通过对采样参考点(Sample Reference Point,SRP)进行指纹清晰度匹配,实现以信号波动程度描述子区域特性,同时构建差值近邻传播模型,避免传统信号损耗模型对目标点信号值的预测失准。在线阶段,综合考量扩充指纹库与待定位信号向量的欧氏与指纹清晰度距离,筛选出具备高辨析力的优质参考点,提升指纹库的定位精度。相对于采集全局参考点,所提方案减少了大量人力成本与时间成本。仿真实验表明,相比其他经典指纹库扩充与参考点优选算法,所提方案能够提供较高的定位精度,在室内环境下具有较高的应用价值。展开更多
文摘为提高WIFI室内定位指纹库的构建效率和扩充指纹库的定位精度,提出了一种信号波动牵引下指纹清晰度的扩库定位算法(Database expansion and Indoor Localization based on Fingerprint Definition obtained by Signal⁃fluctuation,DIFS)。算法针对复杂室内环境下路径损耗指数发生区域性改变的问题,结合密度峰值聚类(Density Peek Clustering,DPC),通过对采样参考点(Sample Reference Point,SRP)进行指纹清晰度匹配,实现以信号波动程度描述子区域特性,同时构建差值近邻传播模型,避免传统信号损耗模型对目标点信号值的预测失准。在线阶段,综合考量扩充指纹库与待定位信号向量的欧氏与指纹清晰度距离,筛选出具备高辨析力的优质参考点,提升指纹库的定位精度。相对于采集全局参考点,所提方案减少了大量人力成本与时间成本。仿真实验表明,相比其他经典指纹库扩充与参考点优选算法,所提方案能够提供较高的定位精度,在室内环境下具有较高的应用价值。