一种基于GMM及3σ准则聚类的WiFi室内定位算法

摘要

传统的贝叶斯定位算法是一种将参考点从接入点(AP,Access Point)接收到的信号强度的概率分布近似作为高斯分布的指纹概率方法,但是单高斯模型不能描述所有AP信号强度的概率分布,精度不高.针对此问题,本文提出基于高斯混合模型的方法估计参考点从接入点接收到的信号强度的概率密度,并提出确定分模型个数的策略.在离线阶段,通过指纹采集计算分析得到分模型个数和各分模型的估计参数.为了避免贝叶斯算法进行全局搜索计算,本文提出一种基于3σ准则聚类的方法,利用正态分布的3σ准则,针对每个AP,将所有参考点划分为相邻的簇,相邻的簇之间间隔若干参考点,且各簇之间信号强度区间不重叠,以此来确定每个AP所在的簇从而将待定位点的搜索范围缩小.实验结果表明,本文提出的方法平均精度为1.31m,定位精度在90％范围内达到2.30m,相比与传统的贝叶斯定位法平均精度提高了27％,定位匹配时间平均减少了32％.