Hochpräzise Innenraumortung bietet wertvolle Informationsunterstützung für die Patientenüberwachung, Geräteeinsatzplanung, Laborsicherheit und andere Dienste. Die traditionelle Innenraumortungstechnologie — Fingerprinting — verwendet typischerweise den K-nächsten-Nachbarn-Algorithmus (KNN), der anhand der empfangenen Signalstärke (RSS) die Position vorhersagt, indem die nächsten K Referenzpunkte gewählt werden. Allerdings ist RSS anfällig für Umwelteinflüsse, wodurch die ausgewählten Referenzpunkte nicht unbedingt die physisch nächsten Nachbarn des Nutzers sind. Zudem ist die Verwendung eines festen K-Werts keine optimale Strategie. Dieser Artikel stellt eine dynamische K-nächste-Nachbarn-Methode zur Innenraumortung basierend auf der Vertrauenswürdigkeit starker Zugangspunkte (SAPC-DKNN) vor. Die Methode nutzt a priori Wissen über Pfadverlust des RSS und quantifiziert die Bedeutung verschiedener Zugangspunkte anhand der RSS-Schwankungsbreite. Es wird die Ähnlichkeit der Zugangspunktmenge innerhalb der Reichweite starker Zugangspunkte integriert und eine gewichtete Distanzmetrik für RSS basierend auf der Vertrauenswürdigkeit der starken Zugangspunkte definiert. Zudem wird ein auf Nachbarschaftsdichte basierender dynamischer K-Wert-Algorithmus (ND-DKA) eingeführt, der den K-Wert für jeden Testpunkt automatisch optimiert. Experimente mit drei Datensätzen zeigen, dass diese Methode im Vergleich zu fortschrittlichen KNN-Methoden den durchschnittlichen Ortungsfehler signifikant um 15,41 % bis 64,74 % reduziert.

Empfangene Signalstärke (RSS) Pfadverlust; Fingerprinting; dynamischer K-nächste-Nachbarn