-
题名基于聚类和K近邻算法的井下人员定位算法
被引量：13
- 1
-
-
作者
莫树培
唐琎
汪郁
赖普坚
金礼模
-
机构
贵州工业职业技术学院图书与信息中心
中南大学信息科学与工程学院
-
出处
《工矿自动化》
北大核心
2019年第4期43-48,76,共7页
-
基金
贵州省科技厅项目(黔科合LH字[2016]7069)
贵州工业职业技术学院校级科研课题(2018009)
-
文摘
针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题,提出了基于聚类和K近邻算法的井下人员定位算法。用二分k-means聚类算法对采集的RSSI数据进行分类,建立离线指纹数据库;无线移动终端和动态修正器实时采集RSSI值,分别存储到在线定位数据库和动态修正数据库;根据待测点和动态修正器的离线数据和实时数据,采用软硬件动态修正加权K近邻算法计算权重值,结合离线指纹数据库中待测点的物理位置信息估算其实时位置。实验分析结果表明,所提定位算法的最小标准误差为0.46m,最大标准误差为3.26m,平均误差为1.62m。对比分析结果表明,与未进行聚类分析的算法相比,本文算法的精度更高,实时性更好;与未动态修正权重值的算法相比,本文算法的运算时间略有增加,但定位精度提高了37.21%。
-
关键词
井下人员定位
指纹定位
二分k-means聚类算法
软硬件动态修正加权K近邻算法
动态修正
-
Keywords
Underground personnel positioning
fingerprint positioning
bisecting k-means clustering algorithm
software and hardware dynamic correction weighted k-nearest neighbor algorithm
dynamic correction
-
分类号
TD76
[矿业工程—矿井通风与安全]
-
-
题名最强基站MAC地址匹配的RSSI加权室内定位方法
被引量：2
- 2
-
-
作者
孙玉曦
甄杰
郭英
李晨辉
-
机构
中国测绘科学研究院
山东科技大学测绘科学与工程学院
辽宁工程技术大学测绘与地理科学学院
-
出处
《导航定位学报》
CSCD
2020年第5期19-24,56,共7页
-
基金
国家重点研发计划项目(2016YFC0803102)
国家重点研发计划项目(2016YFB0502201)。
-
文摘
针对传统k近邻算法定位时不能有效剔除距离较远参考点的问题,提出最强基站介质访问控制(MAC)地址匹配的接收信号强度指示(RSSI)加权改进室内定位方法:离线阶段,通过模糊c均值算法划分待测点的定位区域,生成基于区域划分的聚类指纹库;在线阶段,首先确定待测点所在的目标区域,其次在目标区域内利用动态加权k近邻算法剔除距离偏远的参考点,然后通过MAC地址序列匹配的方法,只信任最强的基站,进一步筛选出k个中最优的参考点,最后计算最优参考点对应坐标的加权平均值作为待测点的最终估计位置。实验结果表明,与动态加权k近邻算法相比,该算法在房间以及走廊环境下的平均定位误差都有改善,并且1~2 m和2~3 m定位精度的可信度有较好的提升。
-
关键词
模糊C均值算法
动态加权k近邻算法
介质访问控制地址序列匹配
-
Keywords
fuzzy c-means algorithm
dynamic weighted k-nearest neighbor algorithm
media access control address sequence matc h ing
-
分类号
P228
[天文地球—大地测量学与测量工程]
-
