基于空间划分的K-means聚类室内定位垂直精度优化方法

由于超宽带室内定位锚节点布设的高度限制导致垂直精度因子较大,进而影响标签垂直方向上的定位精度。针对这一问题,提出了一种基于空间划分的K-means聚类室内定位垂直精度优化方法。首先,采集标签的TDOA数据并利用拉依达准则剔除数据中的异常值,使用Chan算法解算标签估计位置以确定原始标签数据集。其次,对原始标签数据集进行空间网格单元划分,根据网格单元密度和距离确定K-means算法的初始聚类中心并将数据集划分为k个子区域,确定可信度高的k个参考位置。最后,将参考位置与中心位置之间距离的倒数作为权重因子,使用加权质心法确定标签的最终优化位置。实验结果表明,与Chan算法、Chan-Taylor算法、Kalman-Chan算法和Chan-Kmeans算法相比,所提算法在垂直方向定位精度分别提升了62.88%、70.81%、41.74%和27.96%,并且所提算法采用非监督的方式无需获取先验数据,具有较高的实际应用价值。