[发明专利]一种多次模糊推理加权KNN定位方法

权利要求书

1.一种多次模糊推理加权KNN定位方法，其特征在于，包括如下步骤：

S1:选定待定位区域，采集数据并进行高斯滤波预处理，建立可靠的基于距离信息的离线指纹库；

S2:计算待定位点与指纹库中指纹的欧氏距离，通过KNN算法选取K个邻近指纹参考点；

S3:进行模糊推理加权KNN定位算法处理，得到KNN算法中K个参考节点加权值以及初始定位结果；

S3.1:采用Sugeno模糊推理系统，两输入一输出，其中，一输入为待定位点与K个参考点指纹的欧氏距离Di，另一输入为参考指纹点与距离其最近的基站间的距离Li；

S3.2:建立所需的模糊规则库，并进行模糊处理，获得K个参考点实际位置坐标的加权值；

S3.3:利用K个参考点的加权值，加权处理得到初始定位位置；

S4:将定位结果和K个参考点的欧式距离与阈值比较，若都小于该阈值，则完成定位，直接输出定位结果，否则继续进行模糊推理加权KNN算法处理，再与阈值比较；经过多次模糊推理加权KNN算法处理后，当位置更新次数大于2时，输出解算的位置坐标。

2.如权利要求1所述的一种多次模糊推理加权KNN定位方法，其特征在于所述S1具体实施步骤如下：

S1.1:采集待定位区域中参考点到各个基站的的距离信息以及实际位置信息，作为指纹存储到离线指纹库；

S1.2:同一参考点采取10组数据，并通过高斯滤波方法去除干扰误差，将平均距离指纹信息保存到指纹库中，建立可靠的离线指纹库。

3.如权利要求1所述的一种多次模糊推理加权KNN定位方法，其特征在于所述S4具体实施步骤如下：

S4.1:第一次模糊推理的质心加权算法预估出待测点的初始位置，计算得到初始位置与每个参考节点位置的欧式距离，并与提前设置的阈值进行比较，阈值根据实验环境和参考点的布局间距综合考虑选取，若都小于该阈值，则完成定位，直接输出定位结果；

S4.2:若解算位置与每个参考节点位置的欧式距离超出该阈值，则用第一次定位结果来取代离初始位置较远的参考点，继续进行模糊推理加权KNN处理，计算出待定位点的位置坐标，再与阈值比较；经过多次模糊推理加权KNN处理后，当位置更新次数大于2时，输出解算的位置坐标。

4.如权利要求1所述的一种多次模糊推理加权KNN定位方法，其特征在于：

所述指纹库是采用标签到各基站的距离信息建立的，采用距离指纹匹配的方法进行定位解算。

5.如权利要求1所述的一种多次模糊推理加权KNN定位方法，其特征在于：所述定位结果是经过阈值判断后的多次模糊推理加权KNN算法得到的。