Le positionnement intérieur de haute précision offre un support informatif précieux pour la surveillance des patients, la gestion de l'ordonnancement de l'équipement, la sécurité en laboratoire, etc. La technologie de positionnement intérieur traditionnelle - le positionnement par empreinte - utilise généralement l'algorithme des k plus proches voisins (KNN) en utilisant l'intensité du signal reçu (RSS) pour déterminer les N points de référence les plus proches pour prédire la position. Cependant, le RSS est facilement perturbé par l'environnement, ce qui fait que les points de référence choisis ne sont pas nécessairement les voisins physiques les plus proches de l'utilisateur. De plus, l'utilisation d'une valeur K fixe n'est pas une stratégie optimale. Cet article propose une méthode de positionnement intérieur basée sur le voisin dynamique K à forte probabilité d'accès (SAPC-DKNN). Cette méthode utilise la connaissance a priori de la perte de trajet RSS pour évaluer l'importance des différents points d'accès en quantifiant la plage de fluctuation du RSS. Intégration de la similarité des ensembles de points d'accès à l'intérieur de la plage de points d'accès forts et établissement d'une mesure de distance pondérée pour le RSS en fonction de la confiance dans les points d'accès forts. De plus, un algorithme de valeur K dynamique basé sur la densité de voisinage (ND-DKA) est introduit, optimisant automatiquement la valeur K pour chaque point de test. Les expériences sur 3 ensembles de données montrent que cette méthode a réduit l'erreur de positionnement moyenne de 15,41% à 64,74% par rapport à la méthode KNN de pointe

Perte de trajet RSS; Positionnement intérieur par empreinte; K dynamique le plus proche voisin