[發明專利]一種多次模糊推理加權KNN定位方法

在審

• 申請號: 201911381039.1
• 申請日: 2019-12-27
• 公開（公告）號: CN111050282A
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 孫建強;尚俊娜;施滸立
• 申請（專利權）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

本發明公開了一種多次模糊推理加權KNN定位方法，包括步驟：S1：采集待定位區域的數據并進行高斯濾波預處理，建立基于距離信息的可靠指紋庫；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：使用模糊推理加權KNN算法處理后得到選定的K個參考節點加權值以及初始定位結果；S4：與設置的閾值比較，判斷是否進行多次模糊推理加權處理。本發明采用了基于距離信息的方法建立指紋庫，用高斯濾波對采集的數據預處理，提高指紋庫的可靠性；采用模糊推理加權KNN算法得到初始定位結果，并與閾值比較，判斷是否繼續進行模糊推理加權KNN處理，改善節點分布不均導致的定位誤差，提高了定位性能。

技術領域

本發明屬于定位導航領域，主要涉及室內定位方法的優化，具體來說，即一種多次模糊推理加權KNN定位方法。

背景技術

現有的基于指紋的室內定位方法大都是根據空間不同位置信息的差異性進行定位的。空間內的不同位置所具有的特征，比如信號強度、標簽到基站的距離等參數在特定時間特定環境下具有唯一性，因此，可以把這些獨特的信息認為是對應空間位置點的“指紋”。

然而，上述方法定位結果的好壞很大程度上依賴于離線階段采集建立的指紋數據庫，而且指紋數據庫信息量龐大，更新指紋庫繁瑣，因此，如何在現有的指紋庫下獲得更高的定位精度是要解決的主要問題。

加權KNN算法是定位解算中常用的算法，它按一定規則選取K個最匹配的參考位置點，將各個參考位置點的坐標按照一定的權重進行分配，最后把加權以后的結果作為待定位節點的坐標，一定程度上提高了定位的精度。

模糊邏輯已被證明是處理涉及定性術語、模糊語言和人工干預任務的有效方法。模糊推理過程主要包含三部分，其中包括模糊處理、規則估算以及消除模糊的過程，在處理不確定事件中具有一定優勢。

發明內容

本發明針對現有技術的定位穩定性差、定位精度低，提出了一種多次模糊推理加權KNN定位方法，引入了模糊推理、基于距離信息的指紋匹配以及多次加權KNN處理等方法，降低了算法定位的誤差，提高了整體的定位性能。

本發明的具體技術方案如下：

S1:選定待定位區域，采集數據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；

S1.1:采集待定位區域中參考點與各個基站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組數據，并通過高斯濾波方法去除干擾誤差，將平均指紋信息保存到指紋庫中，建立可靠的離線指紋庫。

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:進行基于模糊推理的KNN算法處理，得到通過KNN算法選定的K個參考節點加權值以及初始定位結果；

S3.1:采用Sugeno模糊推理系統，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值；

S3.3:利用K個參考點的加權值，加權處理得到初始定位位置；

S4:將定位結果和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，直接輸出定位結果，否則繼續進行模糊推理加權KNN算法處理，再與閾值比較；經過多次模糊推理加權KNN算法處理后，當位置更新次數大于2時，輸出解算的位置坐標。