-
公开(公告)号：CN106376081A
公开(公告)日：2017-02-01
申请号：CN201610991164.4
申请日：2016-10-28
Applicant: 江南大学
CPC classification number: H04W64/00 , G01S5/0257 , G01S5/0278
Abstract: 本发明公开一种混合相似度的室内指纹定位方法,在传统的接收信号匹配方式的基础上提出了新的相似度匹配方法.该方法解决了因参考点匹配精度低而引起定位误差大的问题.首先在离线阶段将已采集的接受信号强度值取干扰处理；然后在定位阶段,利用混合相似度匹配模型,求出k个最大相似度值作为权值.最后利用相似度值最高的k个AP点进行定位.混合相似度方法在不增加离线工作量同时,提升了匹配精度减少了定位误差。
-
公开(公告)号：CN107820314A
公开(公告)日：2018-03-20
申请号：CN201711122277.1
申请日：2017-11-14
Applicant: 江南大学
Abstract: 本发明提供一种基于AP选择的Dwknn位置指纹定位算法，包括：步骤一，在定位过程中过多的AP会导致定位时间增加和定位精度的降低；对于每个AP在定位区域表现力不同，本文使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；步骤二，Wknn算法利用k个参考点的相似度作为权重，实现精确的定位，但是k值固定不变导致其易将较远的参考点的相似度作为权值，易造成误差；本文提出了动态k值加权定位算法，实验结果表明能减弱较远参考点对定位的影响。本发明减少干扰信号的影响，仿真结果表明，所提出的算法能够有效的提高定位效率和定位精度。
-
公开(公告)号：CN107820314B
公开(公告)日：2020-05-05
申请号：CN201711122277.1
申请日：2017-11-14
Applicant: 江南大学
Abstract: 本发明提供一种基于AP选择的Dwknn位置指纹定位算法，包括：步骤一，在定位过程中过多的AP会导致定位时间增加和定位精度的降低；对于每个AP在定位区域表现力不同，本文使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；步骤二，Wknn算法利用k个参考点的相似度作为权重，实现精确的定位，但是k值固定不变导致其易将较远的参考点的相似度作为权值，易造成误差；本文提出了动态k值加权定位算法，实验结果表明能减弱较远参考点对定位的影响。本发明减少干扰信号的影响，仿真结果表明，所提出的算法能够有效的提高定位效率和定位精度。
-
-
Search Results
3
records
(took 0.009 seconds)
