基于聚类分析优化的距离修正室内定位算法

计算机工程与科学

基于聚类分析优化的距离修正室内定位算法

杜佳星,陈亚伟,张静

（天津大学电子信息工程学院,天津 300072 ）

收稿日期:2016-05-23 修回日期:2016-08-30 出版日期:2018-02-25 发布日期:2018-02-25
基金资助:
国家863计划（2014AA015202）

Distance rectification indoor localization

based on cluster analysis optimization

DU Jia-xing,CHEN Ya-wei,ZHANG Jing

(School of Electronic Information Engineering,Tianjin University,Tianjin 300072,China)

Received:2016-05-23 Revised:2016-08-30 Online:2018-02-25 Published:2018-02-25

摘要/Abstract

摘要：

基于接收信号强度RSSI的定位系统易受环境影响，提出一种基于聚类算法分析的高斯混合滤波的RSSI信号处理优化策略，通过优化接收信号强度及距离修正的四边质心定位算法对未知节点进行精确室内定位，使用蓝牙4.0信标节点进行实地实验。实验结果表明，该算法可以有效提高测距精度，改善系统的定位精度，比传统加权质心算法的定位精度提高了34.6%，且定位平均误差不超过0.5 m，可满足室内定位精度要求。

关键词: 接收信号强度（RSSI）, 聚类分析, 高斯混合滤波, 加权质心算法, 距离修正

Abstract:

The localization system based on received signal strength indication (RSSI) is vulnerable to environmental impact, we therefore present a RSSI signal processing optimization strategy based on clustering analysis of the Gaussian mixture model. We achieve accurate indoor localization of unknown nodes through the optimization of the RSSI and the distance rectification of the four sides centroid localization algorithm. Experiments on Bluetooth 4.0 beacon nodes validate that the algorithm can effectively improve range accuracy and location precision. The location precision is increased by 34.6% than the conventional weighted centroid algorithm, and the average error of localization is less than 0.5 m, which meets the location precision requirement.

Key words: received signal strength indication(RSSI), cluster analysis, Gaussian mixture model, weighted centroid algorithm, distance rectification

杜佳星,陈亚伟,张静. 基于聚类分析优化的距离修正室内定位算法[J]. 计算机工程与科学.

DU Jia-xing,CHEN Ya-wei,ZHANG Jing.

Distance rectification indoor localization

based on cluster analysis optimization

[J]. Computer Engineering & Science.

[1]	张柏恺, 杨德刚, 冯骥, . 一种去除聚类数量和邻域参数设置的自适应聚类算法[J]. 计算机工程与科学, 2021, 43(10): 1838-1847.
[2]	熊菊霞1,2,3,吴尽昭1,2,3. 异构复杂信息网络敏感数据流动态挖掘[J]. 计算机工程与科学, 2020, 42(04): 628-633.
[3]	高星1，刘剑飞1，郝禄国2，董琪琪1. 基于YOLOv3算法的训练集优化和检测方法的研究[J]. 计算机工程与科学, 2020, 42(01): 103-109.
[4]	刘云鹏. 基于移动云教学平台的学情数据分析实证研究——以独立学院《动态网站设计》课程为例[J]. 计算机工程与科学, 2019, 41(增刊S1): 119-123.
[5]	李鑫健，刘漫丹. 基于最短时间距离的校园无线网络用户关联性度量[J]. 计算机工程与科学, 2019, 41(10): 1755-1762.
[6]	文静，曹妍，张琳，牟向伟. 基于双重遗传的聚类分析算法研究[J]. 计算机工程与科学, 2017, 39(12): 2320-2325.
[7]	陈秀明1,2,钱丽1,3,胡贤德1,李敬明1,2,张怡文1. 直觉犹豫模糊集的相关系数在群推荐中的应用[J]. 计算机工程与科学, 2017, 39(11): 2139-2144.
[8]	杨红波1,郑剑2. 基于改进聚类分析的神经网络集成方法应用研究[J]. J4, 2015, 37(05): 974-978.
[9]	黄闽英，牟锐. 对模糊聚类分析法的改进及其在SRM中的应用[J]. J4, 2011, 33(6): 144-149.
[10]	孙晓博，廖桂平. 基于新的相似性度量的加权粗糙聚类算法[J]. J4, 2011, 33(12): 110-115.
[11]	蒋德珑1,2，李〓盛3，王克文1，付金光1. 模糊聚类分析系统的研究与实现[J]. J4, 2011, 33(12): 121-125.
[12]	李峻金，向阳，牛鹏. 一种用于数据挖掘的差异粒子群算法[J]. J4, 2010, 32(6): 95-98.
[13]	邝祝芳谭骏珊. KMApriori：一种有效的数据库异常检测方法[J]. J4, 2008, 30(6): 18-21.
[14]	何振峰. 一种两阶段的限制层次聚类算法[J]. J4, 2006, 28(7): 70-72.
[15]	张文军张润杰古德祥. 具有随机化统计检验的聚类分析算法与网络实现[J]. J4, 2006, 28(12): 74-76.