基于DPC指纹子空间匹配的室内WiFi定位方法

针对无线接收信号强度(RSS)受传播环境突发噪声影响从而引起指纹定位较大误差的问题,本文提出了一种指纹子空间匹配结合密度峰值聚类(DPC)的定位算法,有效避免大误差点。首先通过在线阶段目标RSS信号的接入点(AP)覆盖向量,确定有效的参考位置点,并划分多个指纹子空间,利用改进的WKNN算法估计目标在每个子空间内的位置;最后利用DPC算法选取决策值最大的S个估计位置确定目标。所提算法简单,不需要离线阶段的学习过程训练定位模型,尤其适合存在大量AP的大范围室内定位区域。实际环境中的定位实验表明,基于DPC的指纹子空间匹配算法比WKNN算法的定位精度提升了25%左右,且在参考点分布密度为1.8 m×1.8 m的实验条件下基本消除了4 m以上的大定位误差,有效提高了定位方法的整体性能。