计算机应用

作者：张海永, 方贤进, 张恩皖, 李宝玉, 彭超, 穆健翔

单位：1.安徽理工大学 计算机科学与工程学院, 安徽 淮南 232001；2.科大国创云网科技有限公司, 合肥 230088；3.中国移动通信集团安徽有限公司, 合肥 230088；4.国防科技大学 电子对抗学院, 合肥 230037

关键词：测量报告,定位,信号聚类,加权K最近邻算法,欧氏距离

基金：安徽理工大学创新基金资助项目(2022CX2129);安徽理工大学环境友好材料与职业健康研究院（芜湖）研发专项基金资助项目(ALW2021YF08)

针对基于加权K最近邻（WKNN）和机器学习算法的指纹库定位方法存在精度和定位效率较低的问题，提出一种基于测量报告（MR）信号聚类的指纹定位方法。首先，把MR信号分为室内、道路和室外这3种属性；其次，利用地理信息系统（GIS）信息将栅格分为建筑物、道路和室外子区域，并将不同属性的MR数据落入对应的属性子区域；最后，借助K均值（K-Means）聚类算法对栅格内的MR信号进行聚类分析，以创建子区域下的虚拟子区域，并采用WKNN算法对MR测试样本进行匹配。此外，利用欧氏距离计算平均定位精度，并通过生产环境的一些MR数据测试了所提方法的定位性能。实验结果表明，所提方法的50 m定位误差占比为71.21%，相较于WKNN算法提升了2.64个百分点；平均定位定位误差为44.73 m，相较于WKNN算法降低了7.60 m。所提方法具备良好的定位精度和效率，可满足生产环境中MR数据的定位需求。

来源：2023年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第12期