一种改进的Wi-Fi位置指纹室内定位算法

经典的Wi-Fi位置指纹室内定位算法的在线匹配阶段通常采用加权K近邻算法(Weighted K-Near Neighborhood,WKNN),该算法定位移动对象时容易出现目标漂移,定位精度不高的情况。对此,本文提出了一种基于目标跟踪的加权K近邻算法和卡尔曼滤波的融合定位算法(Weighted K-nearest Neighbor Algorithm and Kalman Filter Fusion Localization Algorithm,WKNN-KF)。该算法充分考虑待定位点移动的连续性,首先利用加权K近邻算法对目标进行定位得到观测值,其次将观测值和卡尔曼滤波预估值进行加权求和,最后得到最优的估计坐标值。仿真实验结果发现,相比于加权K近邻算法,WKNN-KF定位算法对移动对象的运动轨迹定位更准确,算法的定位精度提高了45.7%,具有很好的推广应用价值。