留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于聚类和K近邻算法的井下人员定位算法

莫树培 唐琎 汪郁 赖普坚 金礼模

莫树培,唐琎,汪郁,等.基于聚类和K近邻算法的井下人员定位算法[J].工矿自动化,2019,45(4):43-48..  doi: 10.13272/j.issn.1671-251x.2018110072
引用本文: 莫树培,唐琎,汪郁,等.基于聚类和K近邻算法的井下人员定位算法[J].工矿自动化,2019,45(4):43-48..  doi: 10.13272/j.issn.1671-251x.2018110072
MO Shupei, TANG Jin, WANG Yu, et al. Underground personnel positioning algorithm based on clustering and K-nearest neighbor algorithm[J]. Industry and Mine Automation, 2019, 45(4): 43-48. doi: 10.13272/j.issn.1671-251x.2018110072
Citation: MO Shupei, TANG Jin, WANG Yu, et al. Underground personnel positioning algorithm based on clustering and K-nearest neighbor algorithm[J]. Industry and Mine Automation, 2019, 45(4): 43-48. doi: 10.13272/j.issn.1671-251x.2018110072

基于聚类和K近邻算法的井下人员定位算法

doi: 10.13272/j.issn.1671-251x.2018110072
基金项目: 

贵州省科技厅项目(黔科合LH字〔2016〕7069)

贵州工业职业技术学院校级科研课题(2018009)

详细信息
  • 中图分类号: TD655.3

Underground personnel positioning algorithm based on clustering and K-nearest neighbor algorithm

  • 摘要: 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%。

     

  • 加载中
计量
  • 文章访问数:  27
  • HTML全文浏览量:  3
  • PDF下载量:  8
  • 被引次数: 0
出版历程
  • 刊出日期:  2019-04-20

目录

    /

    返回文章
    返回