井下WLAN位置指纹定位中改进区域划分方法研究

井下WLAN位置指纹人员定位系统主要是通过聚类算法来实现位置指纹样本的整体性划分,但现有的聚类算法只是针对接收信号强度的统计分布特性进行聚类划分,并没有充分考虑奇点问题.针对该问题,提出了一种基于类关系的K-Means(CRK-Means)算法,该算法以类内离散度和类间离散度的比值为目标函数,通过使该比值最小的聚类的聚合、分离过程即可得到避免了奇点问题的最优聚类,完成定位区域的合理划分.针对采用随机森林(R F)算法对聚类划分后的定位区域进行粗定位存在误判的问题,提出了遗传算法与随机森林相结合的(G A-RF)算法,该算法以G A中的选择、交叉和变异优化过程确保了RF算法的选择树总数和位置指纹参考点特征数的最优取值.实验结果表明:CRK-Meams算法有效解决了奇点问题,且在一定程度上提升了系统定位精度;采用CRK-Meams算法和GA-RF算法后,子区域粗定位的准确率相比RF算法提升了4％,达到98％;置信概率大于90％ 的最小定位误差达到了3 m,优于传统的聚类算法.