基于LCS/GA-WKNN算法的指纹室内定位聚类区域划分及性能评估

为了提高指纹室内定位精度,在多尺度核主成分分析过程提取得到定位区域内RP指纹特征基础上,该文提出了一种基于遗传算法优化的WKNN定位算法(GA-WKNN算法)。研究测试结果表明,以随机方式从实验区域选择20个未知节点实施定位分析,分别从不同维度采用本文定位方法评价室内环境定位特性。经过参数优化确定:RP间距为1.2 m,子区域个数3个是最优的。采用PCA指纹特征提取模型能够提取得到精确位置指纹特征,从而降低定位结果受到噪声因素的影响,实现定位精度以及稳定性的显著提升。本文设计的算法估计误差区间介于0.37 m~2.35 m,其中,比例为86.6%的定位误差可以控制在1.2 m以内。本文设计的算法能够克服传统室内定位算法存在的限制,从而降低噪声引起的定位偏差,实现定位精度的显著提升。