基于改进AP选择和K最近邻法算法的室内定位技术

摘要 针对复杂的室内环境和在传统K最近邻法（KNN）算法中认为信号差相等时物理距离就相等两个问题，提出了一种新的接入点（AP）选择方法和基于缩放权重的KNN室内定位算法。首先，改进AP的选择方法，使用箱形图过滤接收信号强度（RSS）的异常值，初步建立指纹库，剔除指纹库中丢失率高的AP，使用标准偏差分析RSS的变化，选择干扰较小的前n个AP；其次，在传统的KNN算法中引入缩放权重，构建一个基于RSS的缩放权重模型；最后，计算出获得最小有效信号距离的前K个参考点坐标，得到未知位置坐标。定位仿真实验中，仅对AP选择方法进行改进的算法平均定位误差比传统的KNN算法降低了21.9%，引入缩放权重算法的平均定位误差为1.82 m，比传统KNN降低了53.6%