《基于距离和属性加权的FWKNN室内定位方法》

技术简介：

为了提高基于接收信号强度(receivedsignal strength, RSS)的WiFi指纹定位方法的定位精度，提出基于距离和属性加权的室内定位方法(featureweighted K-nearest neighbors,FWKNN)。首先，对不同距离的主特征RSS进行权重分配计算加权距离；然后，用加权距离与离线指纹库进行匹配确定未知位置，对K近邻算法进行了改进；最后，利用卡尔曼滤波精确定位结果，进一步提升定位精度。上述算法结合了距离加权和属性加权的优点，能够更准确的计算各点的距离并选择合适的最近邻点。实验结果表明，FWKNN与KNN和GWKNN相比平均定位精度分别提升了34.6%和27.1%。

研发人员：缪颖;朱正伟;诸燕平;