El posicionamiento interior de alta precisión proporciona un valioso apoyo informativo para la vigilancia de pacientes, la gestión de la programación de equipos, la seguridad en laboratorios, etc. La tecnología de posicionamiento interior tradicional: posicionamiento por huella digital - generalmente utiliza el algoritmo de los k vecinos más cercanos (KNN), utilizando la intensidad de la señal recibida (RSS) para determinar los N puntos de referencia más cercanos para predecir la posición. Sin embargo, el RSS es fácilmente perturbado por el entorno, lo que hace que los puntos de referencia elegidos no sean necesariamente los vecinos físicos más cercanos del usuario. Además, el uso de un valor K fijo no es una estrategia óptima. Este artículo propone un método de posicionamiento interior basado en el vecino dinámico K con alta probabilidad de acceso (SAPC-DKNN). Este método utiliza el conocimiento a priori de la pérdida de ruta RSS para evaluar la importancia de diferentes puntos de acceso cuantificando el rango de fluctuación de RSS. Integración de la similitud de los conjuntos de puntos de acceso dentro del rango de puntos de acceso fuertes y establecimiento de una medida de distancia ponderada para RSS en función de la confianza en los puntos de acceso fuertes. Además, se introduce un algoritmo de valor K dinámico basado en la densidad del vecindario (ND-DKA), optimizando automáticamente el valor K para cada punto de prueba. Los experimentos en 3 conjuntos de datos muestran que este método redujo el error promedio de posicionamiento en un 15,41% - 64,74% en comparación con el método KNN de vanguardia

Pérdida de ruta RSS; Posicionamiento interior por huella digital; K dinámico vecino más cercano