计算机应用

作者：王逸, 裴生雷, 王煜

单位：1.青海民族大学 物理与电子信息工程学院, 西宁 810007；2.人工智能应用技术国家民委重点实验室(青海民族大学), 西宁 810007；3.天津大学 智能与计算学部, 天津 300350

关键词：位置服务,室内定位,K均值聚类算法,支持向量回归,多指纹库,信道状态信息

基金：青海省应用基础研究计划项目(2019?ZJ?7017);天津大学-青海民族大学自主创新基金资助项目(2021?TQ?07)

传统的Wi-Fi室内定位方法需要与所有指纹数据库中的指纹数据进行匹配后才能定位，导致人群聚集区域定位效率不高，体验较差。提出一种基于信道状态信息（CSI）、K均值（K-means）聚类算法与支持向量回归（SVR）算法相结合的多指纹库室内定位方法。该方法首先根据CSI的簇分布特点，利用K-means算法对所有定位点内的CSI数据聚类后得到多个簇的CSI数据；然后，基于多个簇分别建立多个指纹库，并将CSI数据分别存入多个指纹库，进而在每个指纹库中分别训练SVR模型用于Wi-Fi定位。相较于传统的支持向量机（SVM）定位方法，所提方法在离线阶段需要的训练样本更少，定位效率更高；在线阶段，该方法既降低了匹配的复杂度，也提高了定位的精度。由于使用了多指纹库，Wi-Fi定位系统可以根据人流量实时调整资源分配策略，提高服务器运行效率和定位服务体验。

来源：2023年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第5期