[发明专利]基于模糊聚类的室内定位AP选择方法

说明书

基于模糊聚类的室内定位AP选择方法，属于室内指纹定位领域。现有应用AP选择算法实现的定位技术存在计算量大、定位精度低以及适用范围小的问题。一种基于模糊聚类的室内定位AP选择方法，所述AP选择方法通过以下步骤实现：以指纹图作为特征向量，应用K均值算法将AP组进行聚类操作，分成一系列不同的AP类别；将聚类操作得到的不同的AP类均视为模糊集，根据模糊数学方法构建AP关于不同的AP类别的隶属度值；基于指纹图与不同参考点之间的信号分辨力，计算每个AP类别的最优度值；最后构建线性规划模型。本发明方法较现有AP手动分簇和枚举法实现室内定位方法相比，不需手动进行分簇的过程，提高定位AP选择方法的适用范围，并能够将定位精度能提高20％左右。体现定位速度快，定位准确和定位精度高的优点。

技术领域

本发明涉及一种基于模糊聚类的室内定位AP选择方法。

背景技术

在基于指纹图的室内定位技术中，定位精度与定位解算的复杂度之间是一对矛盾。一方面，增加AP的密度有助于提高定位精度；另一方面，AP数量过大往往会导致定位计算延时过长以及能耗增加。在试验系统中，往往会布置较高密度的AP，而由试验系统转向实际系统则需要减少AP数量，那么如何选择现有AP以获得最优的定位精度，是一个值得关注的问题，较差的AP选择策略可能导致较大的定位精度损失。而现在已有的AP选择算法主要依据于AP手动分簇和枚举法，定位会有0.8-1.5m的损失，普遍存在计算量大且定位效果差，及定位方法难以推广的问题。

发明内容

本发明的目的是为了解决现有应用AP选择算法实现的定位技术存在计算量大、定位精度低以及适用范围小的问题，而提出一种基于模糊聚类的室内定位AP选择方法。

一种基于模糊聚类的室内定位AP选择方法，所述AP选择方法通过以下步骤实现：

步骤一、以指纹图作为特征向量，应用K均值算法将AP组进行聚类操作，分成一系列不同的AP类别；

步骤二、将步骤一聚类操作得到的不同的AP类均视为模糊集，根据模糊数学方法构建AP关于不同的AP类别的隶属度值；

步骤三、基于指纹图与不同参考点之间的信号分辨力，计算每个AP类别的最优度值；

步骤四、利用步骤二获得的构建AP关于不同的AP类别的隶属度值以及步骤三计算的AP类别的最优度值构建线性规划模型，以选出最优的AP类别并作为最优AP组。

本发明的有益效果为：

本发明涉及的AP选择方案考虑分簇的思想，整个选择方案更加合理，将现有大量AP进行自适应模糊聚类，每一个新AP类内保证一定比例的AP数量，并由此构建优化模型选择最优的AP组，使得所选AP组为最优，定位精度损失最小，以保证全局定位精度的均衡，同时也可以缩小不同的定位区域之间的定位精度差距。

通过最优选择函数计算公式计算每个AP类别的最优度值，并结合最优AP用于获得最终的线性优化模型：较现有AP手动分簇和枚举法实现室内定位方法相比，不需手动进行分簇的过程，提高定位AP选择方法的适用范围，并能够将定位精度能提高20％左右。体现定位速度快，定位准确和定位精度高的优点。

附图说明

图1为本发明方法的流程图；

图2为本发明实施例1涉及的定位精度测试结果对照图，其中，横坐标表示误差范围的圆半径，纵坐标表示定位点落在该范围内的概率。

具体实施方式

具体实施方式一：

本实施方式的基于模糊聚类的室内定位AP选择方法，其中，AP表示无线Wi-Fi接入点的描述，如图1所示，所述AP选择方法通过以下步骤实现：

步骤一、以指纹图作为特征向量，应用K均值算法将AP组进行聚类操作，分成一系列不同的AP类别；