RSS空间线性相关算法提升WLAN室内定位稳定性

本文主要探讨了一种基于RSS空间线性相关性的无线局域网(WLAN)位置指纹定位算法，针对接收信号强度(RSS)时变性和不同终端信号接收能力的差异可能导致的传统定位方法稳定性下降的问题。研究者徐小良、高健、黄河和马哲针对这一挑战，提出了创新的定位策略。 算法的核心思想是通过在每个参考点收集多组RSS样本，形成特征矩阵，以此构建离线位置指纹数据库。在定位过程中，实时RSS数据矩阵与指纹库中的参考点进行相关性分析，获取最相关的k个参考点。然后，利用二次加权质心算法来计算用户的位置，这种算法能够综合考虑多个参考点的信息，提高定位精度。 为了减少信号时变性的影响，算法在采样环节采用了滤波和排序技术，确保数据的稳定性和一致性。同时，在构建离线指纹数据库时，通过增加采样次数来提升数据的代表性，但为了适应定位时的计算效率，样本需要进行一定的聚合处理，以减小计算复杂度。 实验结果显示，这种方法在保持较高定位准确性的前提下，提高了对不同终端设备的适应性，显著提升了位置指纹定位的稳定性。这在室内定位场景中具有重要意义，因为RSS信号的特性在室内环境中尤为明显，且终端设备的多样性对定位性能有直接影响。 本文的研究工作被归类为室内定位技术、位置指纹识别、线性相关性和加权质心算法应用的交叉领域，对于优化无线网络中的位置服务和增强移动设备的精确导航提供了新的思路。文章的学术贡献体现在提出了一种有效的解决无线信号不稳定问题的方法，对相关领域的理论发展和实际应用都具有积极的推动作用。