[发明专利]一种基于传统加权K近邻技术的时间窗定位方法

说明书

本发明公开了一种基于传统加权K近邻技术的时间窗定位方法，属于WiFi指纹定位系统中的时间窗定位方法。该方法先对信号强度数据按照传统加权K近邻技术进行计算，若判决于相同的位置点N次，则直接使用历史数据进行位置计算。和传统的加权K近邻技术相比，本发明避免了每次定位过程都需要与全部的指纹点数据进行比对，能够有效地提高计算速度。同时，传统的加权K近邻技术没有充分考虑到用户移动的惯性信息，而本发明倾向于选择用户之前N次相同定位的位置，提升了定位精度。

技术领域

本发明涉及一种基于传统加权K近邻技术的时间窗定位方法，具体涉及一种WiFi指纹定位系统中的时间窗定位方法，属于无线指纹定位中的模式匹配技术领域。

背景技术

传统的无线指纹定位技术，于在线定位阶段一般采用模式匹配技术，寻找与输入数据最相近的指纹数据，常见的匹配技术包括最近邻技术(NN，Nearest Neighbour)，K近邻技术(KNN，Kth Nearest Neighbour)，加权K近邻技术(WKNN，Weight Kth NearestNeighbour)。其中，WKNN技术由于算法简单，定位效果良好，被广泛用于在现阶段定位匹配。

然而，传统的WKNN技术，对每一次定位请求，需要对比系统中全部的指纹点信息，并按照特定匹配规则计算出与输入数据最相近的指纹数据段。此种方式计算效率低下，同时忽略了待定位用户的位置连续性，导致计算缓慢，定位精度有待提升。唐洋等人(唐洋，白勇，马跃，蓝章礼，“基于WiFi的指纹匹配算法在室内定位中的应用研究”，计算机科学，pp.73-75，2016)提出了一种基于指纹簇的方式，极大地减少了定位所需时间，该方案设立特征指纹点，并通过层次搜索的方式，减少搜索次数，缺点是严重依赖于接入点的分布状态，同时没有考虑到历史位置信息，定位精度有待提升。

发明内容

本发明所要解决的技术问题是：提供一种基于传统加权K近邻技术的时间窗定位方法，改进了传统WKNN技术存在的问题，大幅提升计算效率，同时考虑历史位置信息，提升定位精度。

本发明为解决上述技术问题采用以下技术方案：

一种基于传统加权K近邻技术的时间窗定位方法，包括如下步骤：

步骤1，设置时间窗队列的长度以及噪声容忍限度thres，依次获取用户在各个方向的信号强度数据，并观察时间窗队列，若时间窗队列已满，则进入步骤2，否则进入步骤3；

步骤2，根据时间窗队列中存储的数据，更新各个方向上信号强度的最大、最小值，并将每个方向的最大信号强度值存储在数组rssiMax[N]中，将每个方向的最小信号强度值存储在数组rssiMin[N]中，其中，N为所有方向的个数；若对于第i个方向，用户在该方向的信号强度数据位于rssiMin[i]-thres与rssiMax[i]+thres之间，则进入步骤4，否则进入步骤3；

步骤3，根据步骤1获取的用户在各个方向的信号强度数据，采用传统加权K近邻定位算法计算定位结果，若该定位结果与时间窗队列中存储的定位结果不同，则进入步骤5，否则，将用户在各个方向的信号强度数据以及该定位结果组合后插入到时间窗队列的尾部，若插入后时间窗队列已满，则计算数组rssiMax[N]和rssiMin[N]，并将计算的定位结果返回；

步骤4，弹出时间窗队列头部的第一组数据，根据步骤1获取的用户在各个方向的信号强度数据，采用传统加权K近邻定位算法计算定位结果，并将用户在各个方向的信号强度数据以及该定位结果组合后插入到时间窗队列的尾部，同时更新数组rssiMax[N]和rssiMin[N]，并将计算的定位结果返回；

步骤5，清空时间窗队列、数组rssiMax[N]和rssiMin[N]，将用户在各个方向的信号强度数据以及计算的定位结果组合后插入到时间窗队列中，并将计算的定位结果返回。