고정밀 실내 위치 측정은 환자 모니터링, 장비 배치 관리, 실험실 안전 등 서비스에 귀중한 정보 지원을 제공합니다. 전통적인 실내 위치 측정 기술인 지문 기반 위치 측정은 일반적으로 수신 신호 세기(RSS)를 통해 가장 가까운 K개의 참조 지점을 결정하는 K-최근접 이웃(KNN) 알고리즘을 사용합니다. 그러나 RSS는 환경 간섭에 취약하여 선택된 참조 지점이 사용자의 물리적 공간에서 가장 가까운 이웃이 아닐 수 있습니다. 또한 고정된 K 값 사용은 최적의 전략이 아닙니다. 본 논문에서는 강력한 액세스 포인트 신뢰도를 기반으로 한 동적 K-최근접 이웃 실내 위치 측정 방법(SAPC-DKNN)을 제안합니다. 이 방법은 RSS 경로 손실에 대한 사전 지식을 활용하여 RSS 변동 범위를 통해 다른 액세스 포인트의 중요도를 정량화합니다. 강한 액세스 포인트 범위 내 액세스 포인트 집합의 유사성을 통합하고, 강한 액세스 포인트 신뢰도를 기반으로 RSS에 가중 거리 척도를 부여합니다. 또한 이웃 밀도 기반 동적 K 값 알고리즘(ND-DKA)을 도입하여 각 테스트 지점의 K 값을 자동으로 최적화합니다. 세 개의 데이터셋에 대한 실험 결과, 본 방법은 최첨단 KNN 방법과 비교하여 평균 위치 오차를 15.41%에서 64.74%까지 유의미하게 줄였습니다.

수신 신호 세기(RSS) 경로 손실; 지문 기반 실내 위치 측정; 동적 K 최근접 이웃