摘 要：文章提出一种 WKNN 优化算法，设计与实现了基于 Wi-Fi 信号的室内人员定位追踪系统。针对传统 WKNN 算法中利用加权平均计算权重不稳定，存在一定误差的问题，引入可以不断递归处理数据的卡尔曼滤波，获取加权系数的最优估计值，以此提高室内定位精度，并在此基础上设计与实现了基于 Wi-Fi 信号的室内定位软硬件系统。测试结果表明，改进后的算法在特定环境中的定位误差可控制在 1.2 米以内，提高了基于 Wi-Fi 信号的室内定位的精度与稳定性，达到了预期效果。
关键词：室内定位；Wi-Fi；WKNN；卡尔曼滤波
DOI:10.19850/j.cnki.2096-4706.2021.23.001
基金项目：2021 年广东省科技创新战 略专项资金（“攀登计划”专项资金）项目 （pdjh2021b0780）；2022 年广东省科技创新 战略专项资金（“攀登计划”专项资金）项目 （pdjh2022b0855，pdjh2022b0854）；2021 年 度广东交通职业技术学院大学生科技创新项目 （GDCP-ZX-2021-011-N2，GDCP-ZX2020-005-N2，GDCP-ZX-2020-008-N
中图分类号： TP311；TN929.5 文献标识码：A 文章编号：2096-4706（2021）23-0001-05
Design and Implementation of Indoor Personnel Positioning and Tracking System Based on Wi-Fi Signal
ZENG Guang, DING Yuling, HUANG Jiansheng, HUANG Yangling
(Guangdong Communication Polytechnic, Guangzhou 510650, China)
Abstract: In this paper, a WKNN optimization algorithm is proposed, and an indoor personnel positioning and tracking system based on Wi-Fi signal is designed and implemented. Aiming at the problem that the weight calculated by weighted average in the traditional WKNN algorithm is unstable and there are some errors, the Kalman filter which can continuously recursively process the data is introduced to obtain the optimal estimation value of the weighting coefficient, so as to improve the indoor positioning accuracy. On this basis, the indoor positioning software and hardware system based on Wi-Fi signal is designed and implemented. The test results show that the positioning error of the improved algorithm in a specific environment can be controlled within 1.2 m, which improves the accuracy and stability of indoor positioning based on Wi-Fi signal and achieves the expected effect.
Keywords: indoor positioning; Wi-Fi; WKNN; Kalman filter
参考文献：
[1] 徐军，李群群，王曰辉，等.室内移动目标定位系统设计[J]. 电子技术应用，2018，44（12）：44-46+50.
[2] SOU S L，LIN W H，LAN K C，et al. Indoor Location Learning Over Wireless Fingerprinting System With Particle Markov Chain Model [J].IEEE Access，2019，7：8713-8725.
[3] GAO C Q，ZHANG Y Z，WANG X Z，et al. Semidirect RGB-D SLAM algorithm for dynamic indoor environments [J]. ROBOT，2019，41（3）：372-383.
[4] 李兵兵 . 基于 WiFi 位置指纹的室内定位算法研究 [D]. 保定：河北大学，2020.
[5] 朱正伟，蒋威，张贵玲，等 . 基于 RSSI 的室内 WiFi 定位算法 [J]. 计算机工程与设计，2020，41（10）：2958-2962.
[6] 余成波，成科宏 .WiFi 与行人航迹推算自适应无迹卡尔曼滤波融合定位算法 [J]. 科学技术与工程，2020，20（27）：11155- 11160.
[7] 米伟娟 . 基于 WiFi 的室内定位系统的设计与实现 [D]. 石家庄：河北科技大学，2019.
[8] 李梦梦 . 基于机器学习的 WiFi 室内定位技术研究 [D]. 西安：西安科技大学，2020.
[9] 徐锦修，仲臣，韩雨辰，等 . 改进的 WKNN 算法研究 [J]. 科技创新与应用，2021，11（19）：19-21+25.
[10] 王修驹，姚善化 . 基于改进 WKNN 的室内定位算法 [J]. 齐齐哈尔大学学报（自然科学版），2021，37（3）：12-16+21.
作者简介：曾光（1990—），男，汉族，广东河源人，讲师，工程师，硕士研究生，研究方向：电子信息、机器视觉；丁宇凌 （2001—），女，汉族，广东潮州人，研究方向：通信信号技术； 黄健盛（2002—），男，汉族，广东汕头人，研究方向：通信信号 技术；黄杨灵（2001—），男，汉族，广东茂名人，研究方向：通信信号技术。