随着互联网、移动智能终端的飞速发展,基于位置的服务也受到大众青睐,经济、高效、准确的位置服务具有广阔的发展前景。目前,室外GPS定位技术已经能够满足人们对位置的需求,而室内节点定位技术由于信号受到环境干扰而导致定位不准确,因此,提高室内节点定位精度成为当前研究的热门话题。本文的研究课题是基于位置指纹的多方法融合节点定位技术,研究内容分为两个部分,即提出基于区域划分和自适应动态加权KNN的定位模型及融合WiFi与地磁的定位技术。具体完成了以下工作:1.在无线网络环境中,针对接收信号强度值容易受到环境影响而波动,构建不准确的指纹库,从而造成定位不准确的问题,本文基于滤波、指纹分类及改进最近邻算法提出了区域划分和自适应动态加权KNN多方法融合的节点定位模型。首先结合卡尔曼滤波和方差滤波优化了接收信号强度样本数据,构成位置指纹库;然后根据参考点的最大信号强度值对指纹进行划分,形成定位子区域;接着根据接收信号强度值计算各个参考点的权重系数,获得区域内的权重向量,结合欧氏距离自适应选择K个邻近参考点,改进了KNN算法,最终实现未知节点的坐标估计。实验结果表明,本文能够有效地提高位置精度。2.针对节点位置特征单一的问题,本文给出融合WiFi和地磁的定位方法。首先运用BP神经网络将地磁信号强度与物理位置形成非线性映射获得基于地磁的位置估计;然后融合WiFi确定位置坐标区域,建立有约束条件的拉格朗日方程;最后根据WiFi和地磁定位结果分别计算未知节点的初始坐标,引入梯度逼近的方法,迭代更新步长,对初始坐标进行修正,获得最终坐标。实验结果表明,本文的优化方法在平均误差上比单独的WiFi和地磁定位分别降低15.8%、10.9%,精度在2m以内达到83%,与现有的融合方法相比提高9.2%。在实际环境中,本文的定位方法不仅可以提高位置精度,也具有良好的稳定性。