基于MapReduce的位置指紋定位算法研究.pdf

1、全球針對公共場所的暴力襲擊事件頻發(fā);各軍事行動中，巷戰(zhàn)又是不可避免的?？梢?，小范圍的室內(nèi)定位技術(shù)可以幫助我軍更好地鎖定和打擊關(guān)鍵目標(biāo)。位置指紋定位技術(shù)克服了以往電磁波測距定位對時鐘同步要求高、受環(huán)境影響大等缺點，給精確定位需求尤其是室內(nèi)定位提供了良好的技術(shù)支撐。本文基于位置指紋定位的特性，在當(dāng)前廣泛發(fā)展的云計算的基礎(chǔ)上，研究了不同的位置指紋定位算法并完成了其在云計算環(huán)境下的實現(xiàn)。主要做了以下研究工作:
　　在傳統(tǒng)位置指紋定位算法的

2、基礎(chǔ)上，研究了一種NN-KNN算法，該算法是將NN(Nearest Neighbor)和KNN(K-Nearest Neighbor)兩種算法的定位結(jié)果進(jìn)行一個加權(quán)處理。從理論方面分析推導(dǎo)了其相較傳統(tǒng)位置指紋定位算法的優(yōu)越性。經(jīng)實驗證明，該算法在搞精度定位性能方面是具有優(yōu)越性的，定位精度較傳統(tǒng)定位算法提高明顯，2m內(nèi)定位概率提高到65％。
　　為增強(qiáng)算法的普遍性和靈活性，在NN-KNN算法的基礎(chǔ)上又稍作改進(jìn)，研究了一種改進(jìn)性的定位

3、算法KNN-Hybrid，該算法是增加不同k值KNN算法的數(shù)據(jù)量，將各k值對應(yīng)的定位結(jié)果進(jìn)行一個加權(quán)處理，以加強(qiáng)算法對不同定位環(huán)境的適應(yīng)力，從而得到更好的定位性能。經(jīng)實驗證明，該算法2m內(nèi)的定位概率達(dá)到了73％，相較于NN-KNN算法，提高了約8％。
　　研究了一種適合KNN-Hybrid算法的計算模型。針對KNN-Hybrid算法特點，利用云計算工具中的MapReduce計算模型分布式框架的技術(shù)優(yōu)勢對算法進(jìn)行處理，在傳統(tǒng)MapR