WLAN室内定位中位置指纹技术优化

摘要

随着移动智能终端在生活中的大量普及，基于终端的应用也日趋多元化。得益于智能终端，室内定位系统摆脱了需要额外硬件设备的枷锁。但也出现了新的问题，在无线局域网（Wireless Local Area Networks, WLAN)位置指纹定位系统中，由于开发人员与用户所持终端不同，接收信号强度（Received Signal Strength Indication, RSSI）测量结果存在差异。另外，在定位过程中，因为人为或者自然原因，参考接入点（Access Point, AP）不可达或位置变更，导致定位结果不准确。现有减少终端差异的线性或非线性校准方法，需要在离线阶段预先针对应用环境进行数据训练。为了减少终端差异带来的影响，有效处理参考AP异常现象，文章基于指纹定位技术，对以上问题进行分析研究。相应的，本文具体研究内容分为以下几个部分：
　　首先，针对终端差异带来的信号强度值测量差异问题，文章通过分析指纹数据与用户数据之间的曲线相似度，提出了基于pearson相关系数的室内定位算法。与线性、非线性校准方法相比，pearson相关系数法不需要离线阶段模型训练，环境改变时也无需重新建立模型。在相同环境下，文章对相关系数法和传统欧氏距离定位算法进行了比较。实验结果表明，在存在终端差异情况下，基于pearson相关系数的定位算法在2m内误差减少了8％。
　　其次，文章分析了在定位过程中参考AP不可达和位置移动现象，并提出了相应的算法与解决方案。主要包括两个方面：第一，针对定位过程中参考AP不可达现象，提出基于权重因子的定位算法。通过求取指纹数据与用户数据交集中AP数目，定义权重因子，来修正定位结果。实验表明，当存在AP不可达情况时，与非基于权重法相比，此算法在3米内的定位精度提高了9%；第二，针对参考AP位置变更问题，文章通过pearson相关系数和群智感知相结合，来感知AP位置变化。当参考AP发生位置变更时，测得的AP信号强度与指纹库中差异较大，基于此特征，文章定义与AP位置相关的pearson系数，根据此系数来判断AP位置是否发生变化。
　　最后，利用移动智能终端，在多终端所建立的指纹库定位系统中，比较了pearson相关系数法和欧氏距离算法的定位精度。模拟群智感知系统中的指纹库建立过程，文章在同一环境、不同位置处，利用多种移动智能终端进行RSSI数据采集，建立指纹库。验证结果表明，pearson相关系数法比传统欧氏距离算法在2m内的定位精度提高了30%。

目录

封面

声明

中文摘要

英文摘要

目录

专用术语注释表

第一章 绪论

1.1研究背景

1.2研究意义

1.3定位技术研究现状

1.4论文内容及结构

第二章 室内定位技术综述

2.1常用测距方法

2.2距离无关的定位算法

2.3本章小结

第三章 指纹算法中移动终端差异性研究

3.1不同终端接收AP信号强度的差异问题

3.2常用不同终端校准算法

3.3 Pearson相关系数

3.4基于Pearson相关系数定位系统

3.5欧氏距离，perason系数法比较

3.6本章小结

第四章 基于群智感知的AP异常感知

4.1群智感知与室内定位

4.2自适应感知AP异常

4.3混合终端指纹库定位系统

4.4本章小结

第五章 基于WIFI室内定位的设计与验证

5.1 定位客户端与实验场景

5.2系统的设计与实现

5.3系统性能评估

5.4本章小结

第六章 总结与展望

6.1工作总结

6.2工作展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间申请的专利

附录3 攻读硕士学位期间参加的科研项目

致谢