基于RSS指纹数据库的二次模糊聚类室内定位方法

摘要

本发明涉及基于RSS指纹数据库的二次模糊聚类室内定位方法。包括如下步骤：步骤一：设置室内信标节点位置，组成室内定位系统；步骤二：选择参考点位置，测量参考点接受的RSS向量，建立RSS指纹数据库；步骤三：第一次聚类，得到与待定位点同类的点；步骤四：得到与待定位点最相似的一半的参考点，求出全局最近点；步骤五：第二次聚类，得到与全局最近点同类的点；步骤六：依照相似度对各点加权，计算待定位点坐标；本发明的有益效果是：基于RSS指纹数据库的定位方法，可有效避免多径和非视距等对定位精度的影响，并且无需额外设施支持，降低了定位算法复杂度和定位系统成本。

主权项

基于RSS指纹数据库的二次模糊聚类室内定位方法，其特征在于，包括如下步骤：步骤一：设置室内信标节点位置，组成室内定位系统；步骤二：选择参考点位置，测量参考点接受的RSS向量，建立RSS指纹数据库；步骤三：第一次聚类，得到与待定位点同类的点；步骤四：得到与待定位点最相似的一半的参考点，求出全局最近点：用Jffreys&Matusita距离公式计算待定位点与步骤三得到的参考点的RSS向量间相似度，选出数量一半的最相似的参考点，求出这些点的全局最近点，Jffreys&Matusita距离公式为：$d(x,y)={\left[\underset{i=1}{\overset{N}{\Sigma }}{(\sqrt{x_i}-\sqrt{y_i})}^2\right]}^{1/2}$其中，d(x,y)为向量间相似度；全局最近点是在一个点集中距离其他点最近的那个点，其计算方法为：先计算出点i与点集中m个点的距离和D_i：$D_i=\underset{j=1}{\overset{m}{\Sigma }}{d}_{\mathrm{ij}}$再计算出距离其他点最近的那个点，也就是D_i最小的点：min(D₁,D₂,...,D_m)这个点就是该点集中的全局最近点；步骤五：第二次聚类，得到与全局最近点同类的点；步骤六：依照相似度对各点加权，计算待定位点坐标。