一种改进的室内定位KNN方法技术
An improved KNN method for indoor location
The invention discloses a method for calculation of indoor positioning improved KNN, applied to the technical field of indoor positioning, the application according to the user's location in the first few historical point, predict the near several location positioning point of the current calculation, the current point on the use of KNN algorithm, according to the error of the fingerprint algorithm, identify fingerprint point located near the point; the location calculation results according to the fingerprint point determined; achieve only calculating the fingerprint point near the first few location, can get the positioning results, thus greatly reduce the computational complexity of the traditional KNN algorithm.
【技术实现步骤摘要】
一种改进的室内定位KNN方法
本专利技术属于室内定位
，特别涉及一种改进的KNN算法。
技术介绍
近十多年中，伴随着我们出行的全球定位系统(GPS)是一直是室外导航定位的黄金标准，然而在室内由于信号的衰减、信号的折射反射等一系列问题，导致GPS在室内定位的应用中存在局限性。近十多年来，随着无线技术的发展，无线技术在室内定位的应用越来越广泛，如WLAN技术、Zigbee、蓝牙等。目前定位算法也有很多种，如基于距离的定位和基于指纹的定位算法，它们的主要研究点在于提高定位精度以及降低算法复杂度上。kNN邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。K最近邻(k-NearestNeighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。算法流程如下：...
【技术保护点】
一种改进的室内定位KNN计算方法，其特征在于，包括：S1、初始化一个大小为T的定长队列Queue；S2、根据数据库中的所有指纹点，建立KD树Tkd；S3、收到用户的定位请求，判断该请求是否为初次定位；若是执行步骤S4；否则执行步骤S5；所述定位请求中包含RSS指纹信息；S4、遍历数据库中所有指纹点，使用KNN算法计算得到初始定位点，将该初始定位点插入队列Queue中；则该初始定位点即为本次定位的定位结果；S5、计算队列Queue中点的均值，然后从KD树中取出距均值点距离小于等于H的指纹点；S6、计算步骤S5提取出来的指纹点与本次定位RSS指纹信息的距离，并选出其中K个最小距...
【技术特征摘要】
1.一种改进的室内定位KNN计算方法，其特征在于，包括：S1、初始化一个大小为T的定长队列Queue；S2、根据数据库中的所有指纹点，建立KD树Tkd；S3、收到用户的定位请求，判断该请求是否为初次定位；若是执行步骤S4；否则执行步骤S5；所述定位请求中包含RSS指纹信息；S4、遍历数据库中所有指纹点，使用KNN算法计算得到初始定位点，将该初始定位点插入队列Queue中；则该初始定位点即为本次定位的定位结果；S5、计算队列Queue中点的均值，然后从KD树中取出距均值点距离小于等于H的指纹点；S6、计算步骤S5提取出来的指纹点与本次定位RSS指纹信息的距离，并选出其中K...
【专利技术属性】
技术研发人员：刘强，冯文森，费宣，蒋雪妍，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。