[發明專利]基于二次K-Means聚類的室內位置指紋定位方法

有效

• 申請號: 201710413527.0
• 申請日: 2017-06-05
• 公開（公告）號: CN107367277B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 解培中;陶育仁;李汀
• 申請（專利權）人: 南京郵電大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 南京知識律師事務所 32207
• 代理人: 蔣海軍

本發明公開了一種基于二次K?Means聚類的室內位置指紋定位方法，對位置指紋數據庫進行一次k?means聚類，確定聚類完成后最終的聚類中心；對位置指紋數據庫進行二次k?means聚類，確定聚類完成后最終的聚類中心；計算待定位點到一次k?means聚類完成后最終的聚類中心的歐氏距離，計算兩兩歐式距離之間的差值的絕對值，若絕對值≤θ，則該待定位點基于二次k?means聚類方法實現定位，否則基于一次k?means聚類方法實現定位；本專利方法基于K?Means聚類算法的二次聚類位置指紋匹配方法所得的結果，不受聚類算法邊界參考點相似度高的影響，具有較高的準確性；方法簡單，易于實現，具有良好的適用性。

技術領域

本發明涉及一種室內位置指紋定位方法，具體是涉及一種基于二次K-Means聚類的室內位置指紋定位方法。

背景技術

如今人們絕大部分時間是在室內度過，人們對室內基于位置的服務要求越來越高，因此對室內定位的研究成為當下研究熱點之一。利用指紋庫中存儲的信號值與當前掃描到的信號值進行匹配定位是目前室內定位算法的主要思路之一。在基于位置指紋的室內定位過程中，通常需要在離線階段去建立一個數據量龐大的數據庫，該數據庫存儲了用于實際定位的參考信息，相應的在線匹配階段就需要和數據庫中的參考信息逐一比較。龐大的數據量導致定位的復雜度高，因此聚類的思想開始被運用在基于位置指紋的室內定位技術中。

聚類思想是指將一組特征數據分為一個一個的類，每一個類中的數據具有較高的相似度，類與類之間的數據相似性則較低。目前較受歡迎的聚類算法是由Chen等人提出的k均值(k-means)算法。k-means算法最大的優點是訓練速度快，易實現，且可以實現參考點聚類和定位子區域的自動劃分。但其缺點也很明顯，首先算法中的k是事先給定的，而這個k值的選定是非常難估計的，事先并不知道數據集合該劃分為多少類才合適；其次，初始聚類中心的選擇對類的劃分有很大的影響，如果初值選擇不合理，可能無法得到有效的聚類結果；最后，對于相鄰兩個類邊緣的數據，在選取參考數據點時存在不合理性，聚類邊緣數據相似度較高，這是由在線階段的匹配過程決定的，在匹配階段不能選取最優參考點。

公布號為CN105960021的中國專利申請，公開了一種改進的位置指紋室內定位方法，該方法包括離線階段和在線階段，離線階段首先利用參考點和AP建立位置指紋數據庫，然后通過k-means聚類算法將指紋數據庫中數據分類，并獲取待測點所述類簇；在線階段利用貝葉斯概率法將待測點與所屬類簇的指紋進行匹配，以計算待測點的位置坐標；該方法通過聚類算法和貝葉斯概率法進行結合，利用k-means聚類算法將指紋數據庫中的數據分類，獲取待測點所屬類簇，大大減小了目標范圍，再用貝葉斯概率法將待測點與此類簇的指紋進行匹配，使位置指紋定位方法得以實現；但是該專利方法通過k-means聚類算法將指紋數據庫中的數據分類，聚類邊緣數據相似度高，在匹配階段不能選取最優參考點，通過概率公式計算得到待測點的位置，計算精確度低，算法復雜度較高。

發明內容

發明目的：為了克服現有技術中存在的聚類邊緣相似度高，在匹配階段不能選取最優參考點問題，本發明提供一種基于二次K-Means聚類的室內位置指紋定位方法，該方法解決了現有技術不能很好地處理聚類邊緣數據的問題，為室內定位提供客觀準確的優化定位精度。

技術方案：為實現上述目的，本發明的基于二次K-Means聚類的室內位置指紋定位方法，包括以下步驟：

S1對位置指紋數據庫進行一次k-means聚類，確定一次k-means聚類完成后最終的聚類中心；

S2對位置指紋數據庫進行二次k-means聚類，確定二次k-means聚類完成后最終的聚類中心；

S3計算待定位點到一次k-means聚類完成后最終的聚類中心的歐氏距離，計算兩兩歐式距離之間的差值的絕對值，若絕對值≤θ，則該待定位點基于二次k-means聚類方法實現定位，否則基于一次k-means聚類方法實現定位；