解决设备差异性造成的Wi-Fi信号强度不确定问题是位置指纹室内定位应用与推广的关键。一种基于设备间接收信号强度(Received Signal Strength,RSS)相关性的位置指纹室内定位方法被提出。以智能手机为用户终端,离线阶段,通过智能手机扫描的Wi-Fi信号强度信息,经过数据处理,筛选稳定的接入点(Access Point,AP),构建离线指纹数据库;在线定位阶段,对于实时获取的Wi-Fi信号强度信息,进行筛选处理后,挑选与离线指纹共同拥有的AP,并根据该AP集合,形成新的离线指纹和在线指纹。对离线指纹按RSS的大小降序排序;在线指纹,则以同一次序对RSS排序,然后利用皮尔逊相关系数和杰卡德相似系数,计算指纹相似度并排序,通过K最近邻(K-Nearest Neighbor,KNN)算法实现用户定位。实验表明该方法可有效解决设备差异性问题,并实现精确定位,平均定位误差达到1.7 m。 利用ＲSS的相关性，通过皮尔逊相关系数结合杰卡德相似系数，计算两者的相似度并排序，通过KNN算法估计用户位置，最后将该结果匹配到更为密集的约束位置格网数据中，得到最终定位结果。实验表明，所提出的方法对比常用室内定位方法能有效解决设备差异性问题，并能取得较好的定位精度，本文由公司网站滚圆机网站采集转载中国知网资源整理!www.wanguanji138.com平均误差可达1．7m。指纹室内定位方法-数控滚圆机弯管机张家港电动液压滚圆机滚弧机弯管机1数据准备基于ＲSS相关性的位置指纹室内定位的实现，需要准备包括离线位置指纹数据库和较采样点更为密集的约束格网数据。本研究的研究环境为深圳大学科技楼14楼可通行区域，面积为52．5m*52．5m，如图1所示。1．1构建离线位置指纹数据库本研究中，将格网大小定义为3m，前后各间隔1．5m，使用自主开发的采集Wi－Fi信号强度信息的Android应用，同时，为了避免受天线方向的影响，分别从采样格网点四个方向采集接收信号强度，每个方向各采样8～10s数据，每个格网包含32～40s的数据，共有172个格网，如图2所示。图1研究环境Fi2采样位置格网点F样获取的格网数据，需要统计所有格网共采集到的MAC地址总数，进行编号，并依据该编号，对每个格网的数据进行重编号，统计各格网该MAC地址的平均接收信号强度，得到各格网初始位置指纹{(mac1，rss1)，(mac2，rss2)，…，(macn，rssn)}。其中，mac和rss分别表示Wi－FiAP的MAC地址和接收信号强度。其次，为了保证格网指纹数据的可靠性，通过实验，剔除各个格网中，接收信号强度小于－83dBm的MAC地址，因为小于－83dBm的信号，可以认为该AP在该格网位置信号已较为微弱，存在不稳定因素。经过一遍筛选剔除之后，重新统计各AP出现在各格网中的总数，通过实验，对总数小于8的AP进行剔除。最后指纹室内定位方法-数控滚圆机弯管机张家港电动液压滚圆机滚弧机弯管机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.wanguanji138.com