[發(fā)明專利]一種多次模糊推理加權(quán)KNN定位方法

在審

• 申請?zhí)枺?/td>: 201911381039.1
• 申請日: 2019-12-27
• 公開（公告）號: CN111050282A
• 公開（公告）日: 2020-04-21
• 發(fā)明（設計）人: 孫建強;尚俊娜;施滸立
• 申請（專利權(quán)）人: 杭州電子科技大學
• 主分類號: H04W4/021
• 分類號: H04W4/021;H04W4/33;H04W64/00
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種多次模糊推理加權(quán)KNN定位方法，其特征在于，包括如下步驟：

S1:選定待定位區(qū)域，采集數(shù)據(jù)并進行高斯濾波預處理，建立可靠的基于距離信息的離線指紋庫；

S2:計算待定位點與指紋庫中指紋的歐氏距離，通過KNN算法選取K個鄰近指紋參考點；

S3:進行模糊推理加權(quán)KNN定位算法處理，得到KNN算法中K個參考節(jié)點加權(quán)值以及初始定位結(jié)果；

S3.1:采用Sugeno模糊推理系統(tǒng)，兩輸入一輸出，其中，一輸入為待定位點與K個參考點指紋的歐氏距離Di，另一輸入為參考指紋點與距離其最近的基站間的距離Li；

S3.2:建立所需的模糊規(guī)則庫，并進行模糊處理，獲得K個參考點實際位置坐標的加權(quán)值；

S3.3:利用K個參考點的加權(quán)值，加權(quán)處理得到初始定位位置；

S4:將定位結(jié)果和K個參考點的歐式距離與閾值比較，若都小于該閾值，則完成定位，直接輸出定位結(jié)果，否則繼續(xù)進行模糊推理加權(quán)KNN算法處理，再與閾值比較；經(jīng)過多次模糊推理加權(quán)KNN算法處理后，當位置更新次數(shù)大于2時，輸出解算的位置坐標。

2.如權(quán)利要求1所述的一種多次模糊推理加權(quán)KNN定位方法，其特征在于所述S1具體實施步驟如下：

S1.1:采集待定位區(qū)域中參考點到各個基站的的距離信息以及實際位置信息，作為指紋存儲到離線指紋庫；

S1.2:同一參考點采取10組數(shù)據(jù)，并通過高斯濾波方法去除干擾誤差，將平均距離指紋信息保存到指紋庫中，建立可靠的離線指紋庫。

3.如權(quán)利要求1所述的一種多次模糊推理加權(quán)KNN定位方法，其特征在于所述S4具體實施步驟如下：

S4.1:第一次模糊推理的質(zhì)心加權(quán)算法預估出待測點的初始位置，計算得到初始位置與每個參考節(jié)點位置的歐式距離，并與提前設置的閾值進行比較，閾值根據(jù)實驗環(huán)境和參考點的布局間距綜合考慮選取，若都小于該閾值，則完成定位，直接輸出定位結(jié)果；

S4.2:若解算位置與每個參考節(jié)點位置的歐式距離超出該閾值，則用第一次定位結(jié)果來取代離初始位置較遠的參考點，繼續(xù)進行模糊推理加權(quán)KNN處理，計算出待定位點的位置坐標，再與閾值比較；經(jīng)過多次模糊推理加權(quán)KNN處理后，當位置更新次數(shù)大于2時，輸出解算的位置坐標。

4.如權(quán)利要求1所述的一種多次模糊推理加權(quán)KNN定位方法，其特征在于：

所述指紋庫是采用標簽到各基站的距離信息建立的，采用距離指紋匹配的方法進行定位解算。

5.如權(quán)利要求1所述的一種多次模糊推理加權(quán)KNN定位方法，其特征在于：所述定位結(jié)果是經(jīng)過閾值判斷后的多次模糊推理加權(quán)KNN算法得到的。