基于DBSCAN与KNN的室内定位算法.pdf
《基于DBSCAN与KNN的室内定位算法.pdf》由会员分享,可在线阅读,更多相关《基于DBSCAN与KNN的室内定位算法.pdf(6页珍藏版)》请在咨信网上搜索。
1、Technology&Application 技术与应用传感器世界 2023.04Vol.29 NO.04 Total 33423注:北京市自然科学基金面上项目(No.4202024);国家自然科学基金(No.61340005)摘要:针对位置指纹室内定位算法中定位精度不足、计算量大、实时性较差的问题,提出了一种将聚类算法(DBSCAN)应用于传统定位算法的解决方案。离线阶段通过各参考点的接收信号强度进行聚类,将定位区域划分为多个子区域,在每个子区域选择一个中心节点,构造新型位置指纹数据库存储数据。在现阶段,通过各个子区域中心节点进行粗定位,根据参考标签所在的子区域对传统定位算法进行权重优化。实
2、验结果表明,平均定位误差为 1.63 m。该算法在提升定位精度的同时,提升了定位的实时性。关键词:室内定位;位置指纹数据库;聚类算法;接受信号强度中图分类号:TN301.6 文献标志码:A 文章编号:1006-883X(2023)04-0023-06收稿日期:2023-03-15 DOI:10.16204/j.sw.issn.1006-883X.2023.04.004Indoor Positioning Algorithm Based on DBSCAN Clustering and KNNWANG Kai1,CUI Yinghua2(1.School of Information and C
3、ommunication Engineering,Beijing Information Science&Technology University,Beijing 100192,China;2.Key Laboratory of Information and Communication Systems,Ministry of Information Industry,Beijing 100192,China)Abstract:Aiming at the problems of insufficient positioning accuracy,large amount of computa
4、tion and poor real-time performance in indoor location fingerprint localization algorithm,a clustering algorithm was proposed to solve the problems of traditional location algorithm.In the off-line phase,the received signal intensity of each reference point is used to cluster,and the location area i
5、s divided into multiple sub-areas.A central node is selected in each sub-area,and a new location fingerprint database is constructed to store data.At the on-line phase,coarse positioning is carried out through the center nodes of each subregion,and weight optimization is carried out on the tradition
6、al positioning algorithm according to the subregion where the reference label is located.Experimental data results show that the average positioning error is 1.63 meters.The algorithm improves the positioning accuracy and real-time performance.Key words:indoor positioning;location fingerprint databa
7、se;clustering algorithm;received signal strengh 基于 DBSCAN 与 KNN 的室内定位算法王凯1 崔英花2 1.北京信息科技大学信息与通信工程学院,北京 100192;2.北京信息科技大学信息与通信系统信息产业部重点实验室,北京 1001920 前言随着互联网技术的高速发展,许多场景对高精度以及高实时性室内定位的需求越来越强烈,室内 基 于 位 置 服 务(Indoor Location Based Services,ILBS)的场景越来越多。在过去十年,基于 Wi-Fi 1、射频识别(Radio Frequency Identificati
8、on,RFID)2、蓝牙3-4、光信号5、超声波等技术6的室内定位蓬勃发展。传统室内定位依赖于三边测量和三角测量7,需要视距(Line of Sight,LOS)测量,通过信号传播角度、时间以及无线信号传播距离建立模型来实现定位。由于许多室内定位场景环境复杂,例如存在障碍物或隔断,会引发信号反射和多径效应,导致定位效果不佳。基于接收信号强度指示(Received Signal Strength Indication,RSSI)的室内定位算法无需假设LOS,已经成为一种非常有前景的方法。在该方案中,每个参考标签(Reference Point,RP)的信息通过其RSSI 来表征,指纹不需要测量距
9、离和角度,在市内场景定位具有很高的可行性。NJIMA W 等人8提出了一种基于 RSSI 指纹的增强概率算法。该算法使用基于信息理论的接入点技术与应用 Technology&Application传感器世界 2023.04Vol.29 NO.04 Total 33424(Access Point,AP)选择策略,他们在一个大规模的开源数据集中验证了该算法,并将结果与经典的概率方法和 K 最近邻算法(K-NearestNeighbor,KNN)相比较。AP 的选择包括在估计位置时减少 AP 的数量,这一步骤只考虑少数已证明 RSSI 信息多样性的 AP,提高了位置估计的准确性,之后,在现定位阶段
10、考虑了与接收到的 RSSI 相似度最高的训练点进行加权平均。与传统方法相比,该方法实现了更低的计算复杂度。然而,由于所提出的方法是一种增强的概率指纹方法,需要大量的现场调查工作,因此在离线阶段需要许多训练点。WU T 等人9提出了一种基于最小二乘的加权质心技术来估计位置,该方法利用基于 BLE 发射器件附近 RSSI 高斯分布的数值逼近增强了估计。他们还讨论了 AP 的数量对准确性的影响。作者在 2 个真实室内场景(最大 240 m2)中验证了他们的方法。虽然离线阶段耗时不多,但没有讨论在线估计阶段的处理时间分析,预计耗时较长,因为需要由一系列步骤组成以提高准确性。ALFAKIH M 等人10
11、提出了一种改进的高斯混合模型,以更精确地表征 RSSI 的可变性。由于每个位置的概率与混合模型的数量成正比,因此算法的运行时间与该参数成正比。在 KNN 及其变体等传统算法和经典概率方法中,该方法在定位误差方面的性能最好。由于提出的解决方案是基于概率指纹方案,并在 110 m2的小场景下进行验证,预计在线阶段的计算负荷将非常高,同时在大规模环境下需要进行高强度的现场调查。与之前的工作不同,本文将基于密度的噪声应 用 空 间 聚 类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)算法与传统定位算法相结合,进一
12、步提取原始数据库中 RSSI 的特征,提 出 DWKNN(DBSCAN based Weighted K Nearest Neighbor)算法。在离线阶段,通过 DBSCAN 聚类算法进行定位区域划分,提取聚类相关特征,存储至新型位置指纹数据库;在定位阶段,得到待测标签与各个子区域中心节点的距离,用于粗定位;之后,在粗定位的区域内进行最终定位,根据参考标签所在子区域块进行权重优化。实验结果表明,80%的概率定位误差在 2.10 m 以内,该算法提高了定位精度,且减少系统运行时间,达到预期效果。1 基于位置指纹的室内定位算法简介基于位置指纹的室内定位算法利用待定位节点的多个接受信号强度进行定位
13、。该位置的多个接受信号强度组成的向量称为该位置的指纹,一般包含离线和在线 2 个阶段。1.1 离线阶段 离线阶段即数据采集阶段。假设定位场景共部署 M 个 AP,N 个 RP,T 个 待 定 位 点(Test Point,TP),参考标签位置坐标集合为 L=(l1,l2,ln),其中,ln=(xn,yn),位置指纹为 F=F1,F2,Fn,其中,Fi=rssii1,rssii2,.,rssiim,rssiim代表第 m 个 AP 读取到的第 i 个 RP的 RSSI,传统位置指纹数据库如表 1 所示。表 1 离线位置指纹数据库参考标签 位置坐标接受信号强度RP1(x1,y1)11rssi 21
14、rssi mrssi1 RP2(x2,y2)12rssi 22rssi mrssi2 RPn(xn,yn)1nrssi 2nrssi mnrssi 在采集 RSSI 的过程中,由于室内环境存在噪声、遮挡物等复杂因素,RSSI 在传播过程中易产生较大波动。对同一个 RP,当与 AP 的距离不变且周围环境变化较小时,AP 读取到的 RSSI 值呈高斯分布,一般采用高斯滤波器处理原始指纹数据,提高定位精度。1.2 在线阶段在线阶段即定位阶段,根据待定位点所在位置接收到的不同 AP 的 RSSI 进行定位。在 KNN 算法中,获取第 j 个 TP 的位置指纹信息 T=T1,T2,Tm,与离线位置指纹数
15、据库中记录进行匹配,计算 TP 与每个RP 的相似度,如式(1)所示:(1)pmkpkikjijmrssirssiD11 Technology&Application 技术与应用传感器世界 2023.04Vol.29 NO.04 Total 33425其中,rssiik表示第 k 个 AP 读取到的第 i 个 RP 的 RSSI 值;rssijk表示第k 个 AP 读取到的第 j 个 TP 的 RSSI 值;m 代表 AP 的数量;Dij表示第 i个 RP 和第 j 个 TP 的相似度,常用 p=2,即欧几里得度量。相似度越小,说明 TP 与 RP 越接近,对第 j 个 TP,将其与 N 个
16、RP 的相似度 D1j,D2j,D3j,Dnj由小到大排序后,使用前 k 个相似度最高的 RP 进行定位,如式(2)所示:(2)其中,表示 KNN 算法对 TP 的定位坐标;(xi,yi)表示与第 j 个 TP 距离第 i 接近的 RP 坐标。加权 K 近邻(Weighted K Nearest Neighbor)算法通过优化权重,对距离 TP 更接近的 RP 赋予更高的权重,达到更优的定位效果,定位公式如式(3)所示:(3)其中,i表示第 i 个 RP 所占的权重,如式(4)所示:(4)2 定位算法和原理DWKNN 算法的系统框架如图 1 所示,主要分为 3 部分:定位区域划分;指纹特征提取
17、;与 WKNN 算法结合,进行权值优化,通过粗定位提高定位精度。2.1 定位区域划分目前,很多学者将 K-means 聚类算法11-12应用于室内定位。但由于 K-means 聚类算法 K 值对最终聚类效果影响较大,且 K 初值难以确定最优值,导致定位效果不佳。在通常情况下,相较于 K-means 算法,DBSCAN 聚类算法效果更优。DBSCAN 将彼此距离(如欧几里得距离)小于阈值的点聚为一类,同时将低密度区域中的点标记为异常点。本文将 DBSCAN 算法应用于基于位置指纹的室内定位算法,该聚类算法缺点为不适用于高维数据,而室内定位数据一般扩展不到高维,所以非常适用。DBSCAN 聚类算法
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 DBSCAN KNN 室内 定位 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。