0 引言

　　近年来，人们对导航和室内定位服务的需求越来越高。为了满足这种泛在的发展需求，世界各国开始着重开展室内无线定位研究。目前，最常用的几种室内定位技术有红外线（IR）、超声波、射频识别（RFID）、无线局域网（WLAN）、蓝牙和超宽带（UWB）[1]。但上述传统的定位技术存在成本过高、定位精度不足和易受电磁干扰等缺点，而可见光通信（VLC）室内定位因其具有不受电磁干扰、保密性好、传输速率高和无需频谱认证等优点成为一种新兴的定位技术，得到了广泛研究[2]。

　　VLC室内定位通过将信号调制到发光二极管（LED）发出的可见光上进行传输。当移动目标进入照明区域时，带有光检测器的接收端对接收到的调制信号进行解调，从而恢复成原始信号，再通过定位算法得到移动目标的位置，最终完成定位功能。目前，常用的定位算法大致分为4类：几何测量法、场景分析法、近似感知法和图像传感器成像法[3]。其中，场景分析法又称指纹库法，通过采集特定场景中某些量化后的特征属性并且建立对应的数据库（即指纹库）来实现定位功能[4]。与其它定位算法相比，指纹库法在一个简单稳定的室内环境中能够实现高精度定位，且该方法对硬件设备要求低。指纹库法的定位精度与指纹库密集程度有一定的关系，本文在探究这种关系的基础上，提出一种基于线性插值与K-means聚类算法结合的位置指纹定位算法。

4 结束语

　　基于指纹库密集度对定位精度的影响，本文提出了基于双线性插值与K-means聚类结合的位置指纹定位改进算法，仿真分析了该算法的性能。仿真结果表明：改进算法使用插值指纹库与比使用初始指纹库的定位精度提高了21.5%，同时大大降低了计算复杂度。

虽然本文选用的双线性插值方法一定程度上能够提高指纹库的密集度，但是插值的精度有待提高。我们下一步考虑对比其它插值方式，对线性插值法进行改进与优化，使得插值更加准确，有利于定位性能的进一步提升。