基于聚类和K近邻算法的井下人员定位算法

针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题，提出了基于聚类和K近邻算法的井下人员定位算法。用二分kmeans聚类算法对采集的RSSI数据进行分类，建立离线指纹数据库；无线移动终端和动态修正器实时采集RSSI值，分别存储到在线定位数据库和动态修正数据库；根据待测点和动态修正器的离线数据和实时数据，采用软硬件动态修正加权K近邻算法计算权重值，结合离线指纹数据库中待测点的物理位置信息估算其实时位置。实验分析结果表明，所提定位算法的最小标准误差为0.46 m，最大标准误差为3.26 m，平均误差为1.62 m。对比分析结果表明，与未进行聚类分析的算法相比，本文算法的精度更高，实时性更好；与未动态修正权重值的算法相比，本文算法的运算时间略有增加，但定位精度提高了37.21%。