基于机器学习的WIFI室内定位技术研究

发布时间：2021-10-16 20:31

　　基于位置的服务（LBS）正被广泛地应用于多个领域,呈现出巨大的商用潜能,而作为其核心支撑的定位技术一直是工业界和学术界的研究热点。在室内定位领域,高精度、低复杂度、低成本的普适定位技术是人们研究的目标和未来发展的方向。WIFI指纹定位无需额外地布设专用设备,具有低成本和普适性的优势。考虑到WIFI指纹定位可以被建模成非线性的监督学习问题,因此,基于机器学习的WIFI室内定位技术具有重要的研究意义。首先,结合室内实测WIFI信号RSS数据,分析出室内位置与WIFI信号RSS指纹之间具有时变的非线性特性,并且探讨了位置指纹定位技术的背后机理。然后,为了提高定位精度,重点研究何种机器学习算法更适合拟合位置与WIFI信号RSS指纹间的时变非线性关系。在对常用的SVM算法和集成学习中bagging类的随机森林（RF）算法,分别建立各自的回归和分类定位算法模型后,引入一种新的集成学习中boosting类的梯度提升决策树（GBDT）算法,并建立其定位算法模型,将这些定位算法在模拟环境中利用射线追踪方法建立的位置指纹数据库上进行仿真,完成相关指标的综合比较后,确定了定位性能最优的定位算法。实验结果表明... 

【文章来源】：西安科技大学陕西省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

不同位置来自不同AP的RSS室内WIFI接收信号强度特性主要体现在RSS的不确定性，具体是指RSS时变特性及RSS与物理位置之间的非线性特性

西安科技大学全日制学术硕士学位论文12RSS特性，使得RSS与位置之间的关系不是一一映射的，得到的位置估计结果也不是唯一确定的。接下来将具体分析RSS特性并总结位置指纹机理。图2.5不同位置来自不同AP的RSS室内WIFI接收信号强度特性主要体现在RSS的不确定性，具体是指RSS时变特性及RSS与物理位置之间的非线性特性。由于室内无线电传播环境的复杂性，在同一个位置处的RSS也在不断地发生变化，如图2.6所示为在某一固定位置来自5个不同AP每隔相同时间RSS分布图，可以发现RSS在随时间不断地发生跳动，而这种时变特性主要由以下几方面因素造成：图2.6同一位置来自不同AP不同时间的RSS

2.室内定位技术13（1）多径效应及室内环境的变化。由于WIFI信号在室内环境中传播时会发生反射、折射、散射及绕射，使得接收到的信号是经过不同路径的电磁波叠加的结果，进而引起多径衰落，使得接收信号随时间不断地发生变化。显然，当移动端发生极小的移动或者信道发生任何微小的变化都会造成RSS的快速波动，即短期时间内室内布局包括门窗开闭会改变信号传播路径，造成RSS的瞬时变化；长期时间内，室内简易物品被移动的可能性很大，室内物品和家具的摆放、温度湿度的变化都可能造成RSS发生永久变化。（2）同频无线电及人体干扰。由于WIFI工作在2.4GHZ频段，一方面，在室内诸如蓝牙、Zigbee、微波炉等都与WIFI同频，这些同频信号极易影响WIFI信号；另一方面，室内人员走动非常频繁，由于人体70%的成分都是水，而水的共振频率正好与WIFI同频，极易对WIFI信号造成很大的干扰。（3）天线方向性。如图2.7所示，选择某个位置点，分别测量手机相对AP东南西北四个不同方向的RSS，可以看出移动终端在同一位置由于人手拿手机相对WIFI天线角度的不同，RSS极易发生变化。RSS与物理位置之间的非线性特性主要由以下两个因素造成：首先，在自由空间传播模型下，来自某AP的RSS与到该AP之间的距离呈非线性的对数关系；其次，虽然RSS与物理位置之间有着很强的关联性，实质上是因为某一位置处的RSS受到的路径损耗、阴影效应、障碍物遮挡及环境中其他干扰在一段时间内是固定的，但又由于实际环境中的某些变化会打破这种固定关系，使得RSS与物理位置之间的关系呈现不确定性，即时变的非线性特性。图2.7同一位置来自不同AP不同方向的RSS

【参考文献】：
期刊论文
[1]一种优化随机森林模型的室内定位方法[J]. 郭妍,陈晓,任晓晔.  激光杂志. 2018(10)
[2]一种基于全向指纹库的WiFi室内定位方法[J]. 毕京学,汪云甲,曹鸿基,王永康.  测绘通报. 2018(02)
[3]无线传感器网络定位综述[J]. 陈亚楠,张牧.  电脑知识与技术. 2017(34)
[4]基于智能手机的室内定位技术的发展现状和挑战[J]. 陈锐志,陈亮.  测绘学报. 2017(10)
[5]室内地磁基准图构建的优化算法研究[J]. 蔡成林,曹振强,张炘,李思民.  大地测量与地球动力学. 2017(06)
[6]基于K-means和Random Forest的WiFi室内定位方法[J]. 李军,何星,蔡云泽,徐琴.  控制工程. 2017(04)
[7]基于K近邻法的WiFi定位研究与改进[J]. 吴泽泰,蔡仁钦,徐书燕,吴小思,傅予力.  计算机工程. 2017(03)
[8]基于室内地图环境信息的多楼层WiFi定位技术研究[J]. 黎海涛,齐双.  电子科技大学学报. 2017(01)
[9]基于WIFI BSSID相似度和RSSI概率分布的定位算法[J]. 王丽园,吴沐阳,吴家皋.  计算机技术与发展. 2016(12)
[10]复杂室内环境下的WiFi定位技术研究[J]. 陆音,缪辉辉.  计算机科学. 2016(11)

博士论文
[1]基于众包的WLAN室内定位技术研究[D]. 张立晔.哈尔滨工业大学 2018
[2]基于人工智能的室内指纹定位技术研究[D]. 丁根明.北京交通大学 2015
[3]WLAN位置指纹室内定位关键技术研究[D]. 陈丽娜.华东师范大学 2014
[4]基于信号强度的WLAN室内定位跟踪系统研究[D]. 陈淼.武汉大学 2012

硕士论文
[1]基于机器学习的室内Wifi定位算法研究[D]. 葛彤.北京邮电大学 2017
[2]蓝牙室内定位关键技术的研究与实现[D]. 王益健.东南大学 2015



本文编号：3440450