相关实验视频
Updated: Jun 18, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
一个 WKNN 室内指纹定位技术,基于 RSS 类似性改进的歧视能力
Baofeng Wang1, Qinghai Li1, Jia Liu1,2
1School of Information Technology Engineering, Tianjin University of Technology and Education, Tianjin 300222, China.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
本研究引入了一种新的室内定位方法,FDDC-WKNN,通过动态调整接入点 (AP) 变化并强调更接近的AP来提高准确性. 该技术显著提高了接收信号强度 (RSS) 的辨别能力,以实现精确的定位.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 信号处理 信号处理
背景情况:
- 室内指纹定位依赖于接收信号强度 (RSS) 的相似性,但受到无线接入点 (AP) 贡献的变化所阻碍.
- 基于接收信号强度 (RSS) 的定位的准确性受到个别接入点 (AP) 的健康和位置的显著影响.
研究的目的:
- 开发一种增强的室内指纹本地化技术,以解决不同AP对收到信号强度 (RSS) 相似性的贡献的局限性.
- 通过优化接入点 (AP) 数据,提高指纹距离 (FD) 在区分物理距离 (PD) 中的辨别能力.
- 为了提高室内定位的准确性和稳定性,使用修改后的WKNN算法.
主要方法:
- 开发了一种新的技术,即FDs的歧视能力改进WKNN (FDDC-WKNN),集成动态AP值,基于距离的RSS校正和基于RSS差异的优先权重.
- 实施了动态值以消除异常的AP,并应用了一个校正量,强调更接近RSS样本的AP.
- 使用RSS差异 (RSSD) 设计了一个优先权重,以增强指纹距离 (FDs) 对物理距离 (PDs) 的区分能力.
主要成果:
- FDDC-WKNN算法显著改善了指纹距离 (FD) 和物理距离 (PD) 之间的相关性和一致性,强相关性从0%增加到76%和高一致性从26%增加到99%.
- 实验实施在模拟环境中将平均定位误差从2.2732m降至1.2290m,在真实图书馆环境中从4.0489m降至2.4320m.
- 与标准方法相比,FDDC-WKNN表现出卓越的稳定性和稳定性,其证据是本地化错误累积分布函数 (CDF) 的更快的收,以及减少错误波动.
结论:
- 拟议的政策有效地提高了RSS相似性用于室内定位的歧视能力.
- 异常的AP显著影响了指纹距离 (FD) 的区分能力,突出了动态AP管理的重要性.
- FDDC-WKNN算法为准确的室内指纹定位提供了强大而稳定的解决方案,在模拟和现实场景中表现优于现有方法.
