基于滤噪位置指纹的低功耗蓝牙室内定位技术研究

发布时间：2017-07-14 10:06

  本文关键词：基于滤噪位置指纹的低功耗蓝牙室内定位技术研究

  更多相关文章： 室内定位 低功耗蓝牙 位置指纹 小波去噪 k-近邻算法

【摘要】：在互联网技术飞速发展的今天,随着移动终端设备的广泛普及,人们对于位置服务的需求也越来越强烈。而无论是室内还是室外,要想提供优质的位置服务,关键在于准确获取用户的位置信息,所以如何快速准确地获得位置信息并且提供低成本的位置服务成为了定位技术发展的方向。特别是近年来,人们对于室内位置服务的需求逐渐大于室外位置服务,车站,商场等公共场所也希望通过准确的室内定位来实现基于室内定位的服务。但是目前的室内定位技术存在着定位准确度不足,部署成本较高等缺点,还难以满足大规模的应用。指纹定位技术和低功耗蓝牙技术的出现,由于其部署简便,成本较低,准确度提高,因而成为了室内定位的研究热点。室内定位指的是在室内环境中实现位置定位,采用基站定位,无线通讯等多种技术对室内空间的人员进行位置确定。本文针对GPS定位技术在室内无法获取准确位置信息的问题,提出了一种借助于低功耗蓝牙这一技术平台,应用指纹技术的室内定位方案,并且针对于现阶段的指纹定位技术中存在的不足,在定位的离线训练阶段和在线定位阶段进行了一些优化方案。本文在低功耗蓝牙的基础上在位置指纹定位中引入了滤波技术和k-近邻算法,主要内容包括:(1)比较和分析了传统蓝牙与低功耗蓝牙的技术特点,针对位置指纹定位中常用的算法进行了研究,对定位过程中离线阶段与定位阶段的关键步骤进行了分析。(2)由于本课题是在低功耗蓝牙的平台上,获取蓝牙设备的信号强度参数来建立信号样本数据库,因此首先分析蓝牙4.0的信号在室内的分布特征,以及影响蓝牙RSSI室内分布的因素,建立定位平均误差模型有效的反映定位误差因素对于室内定位精度的影响,同时根据实验结果分析为之后的改进方案选取合适的实验环境。(3)通过分析定位误差因素对于定位精度的影响,本文提出了在传统的位置指纹定位过程中加入小波变换,卡尔曼滤波等方法对于信号中的噪声进行滤噪处理,削弱或消除由于人员活动而引起的噪声信号给定位带来的干扰。通过实验,可以明显看出在加入了滤波算法之后,信号中的噪声得到了削弱和滤除。利用卡尔曼滤波算法,定位预测点与实际位置偏离误差最大为1.1m。而引入了小波去噪技术,系统对于静态目标的定位精度相较与卡尔曼滤波算法明显提高,偏离误差最大为0.7m。(4)分析传统的标准k-近邻算法存在的缺陷,针对其在待定位空间较大时遍历时间开销较大,实时性较差的特点,本文提出了应用改进后的限定区域k-近邻改进算法的设计思想,按照接近度将定位空间进行划分,限定搜索区域。
【关键词】：室内定位 低功耗蓝牙 位置指纹 小波去噪 k-近邻算法
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TN925
【目录】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 绪论11-19
• 1.1 课题研究背景11-14
• 1.2 国内外研究现状14-16
• 1.3 论文的主要工作16
• 1.4 论文结构16-19
• 第二章 相关技术理论研究19-35
• 2.1 蓝牙技术概述19-26
• 2.1.1 蓝牙技术特点19-20
• 2.1.2 蓝牙技术的应用20
• 2.1.3 蓝牙协议体系结构20-22
• 2.1.4 蓝牙连接方式22-23
• 2.1.5 基于传统蓝牙的室内定位技术23
• 2.1.6 低功耗蓝牙技术23-24
• 2.1.7 低功耗蓝牙的框架结构24-25
• 2.1.8 低功耗蓝牙工作模式25-26
• 2.2 传统的无线室内定位方法26-30
• 2.2.1 AOA定位法26-27
• 2.2.2 TOA定位法27-28
• 2.2.3 TDOA定位方法28-30
• 2.3 位置指纹室内定位方法30-35
• 2.3.1 位置指纹室内定位技术30-31
• 2.3.2 k-近邻算法31-35
• 第三章 位置指纹的定位误差分析35-47
• 3.1 实验平台35-39
• 3.1.1 蓝牙AP35-36
• 3.1.2 终端设备36-38
• 3.1.3 实验环境38-39
• 3.2 定位平均误差模型39-40
• 3.3 位置指纹定位误差分析40-45
• 3.3.1 接入AP点个数对定位平均误差的影响40-41
• 3.3.2 AP设备的摆放位置对定位平均误差的影响41-42
• 3.3.3 采样点间距对定位平均误差的影响42-43
• 3.3.4 最接近点个数（k值）对定位平均误差的影响43-44
• 3.3.5 人员活动对定位平均误差的影响44
• 3.3.6 距离对于蓝牙RSSI分布的影响44-45
• 3.4 实验结果分析45-47
• 第四章 指纹信号滤波处理47-63
• 4.1 指纹信号滤波算法47-53
• 4.1.1 卡尔曼滤波原理47-49
• 4.1.2 小波去噪原理49-50
• 4.1.3 小波去噪过程50-52
• 4.1.4 小波去噪评价标准52-53
• 4.2 基于滤波处理的位置指纹定位算法53-61
• 4.2.1 标准k-近邻算法的实现54-55
• 4.2.2 卡尔曼滤波算法实现55-58
• 4.2.3 小波去噪算法实现58-61
• 4.3 实验分析61-63
• 第五章 限定区域k-近邻改进算法设计思想63-69
• 5.1 限定区域k-近邻改进算法设计63-69
• 5.1.1 离线阶段64-66
• 5.1.2 在线阶段66-69
• 第六章 总结和展望69-71
• 6.1 论文总结69
• 6.2 工作展望69-71
• 参考文献71-77
• 致谢77-79
• 攻读硕士学位期间发表的论文79

【参考文献】

中国期刊全文数据库 前10条

1 朱俚治;;一种基于实现k-近邻算法的研究[J];计算机与数字工程;2015年10期

2 汪庆华;刘江炜;张兰兰;;交叉验证K近邻算法分类研究[J];西安工业大学学报;2015年02期

3 莫倩;熊硕;;基于蓝牙4.0的接近度分类室内定位算法[J];宇航计测技术;2014年06期

4 汤立文;唐东峰;;基于matlab的小波信号降噪技术[J];湖南科技大学学报(自然科学版);2014年01期

5 刘亚秋;李鹏;景维鹏;;基于RSSI的井下人员定位技术研究[J];煤炭技术;2013年05期

6 李娟娟;张金艺;张秉煜;周荣俊;唐夏;;蓝牙4.0标准规范下的模糊指纹定位算法[J];上海大学学报(自然科学版);2013年02期

7 邓中亮;余彦培;袁协;万能;杨磊;;室内定位现状与发展趋势研究(英文)[J];中国通信;2013年03期

8 陈国平;马耀辉;张百珂;;基于指纹技术的蓝牙室内定位系统[J];电子技术应用;2013年03期

9 张凡;陈典铖;杨杰;;浅析室内定位原理及应用[J];移动通信;2013年Z1期

10 王琦;;基于RSSI测距的室内定位技术[J];电子科技;2012年06期

中国重要会议论文全文数据库 前1条

1 张立立;钟耳顺;;无线室内定位技术[A];中国地理信息系统协会第八届年会论文集[C];2004年

中国重要报纸全文数据库 前1条

1 ;介绍几种室内定位技术[N];中国测绘报;2008年

中国博士学位论文全文数据库 前1条

1 张明华;基于WLAN的室内定位技术研究[D];上海交通大学;2009年

中国硕士学位论文全文数据库 前6条

1 周晓军;基于室外辅助和惯性导航的室内定位方法的研究与实现[D];杭州电子科技大学;2014年

2 叶蔚;室内无线定位的研究[D];华南理工大学;2010年

3 王沛;基于小波变换和EMD去噪的含噪混叠语音盲分离[D];昆明理工大学;2009年

4 丁文;基于小波和Kalman滤波的GPS数据去噪方法研究[D];东北大学;2009年

5 陈先强;基于视频的人体运动分析的研究[D];华中科技大学;2007年

6 汤宫民;基于蓝牙技术的大口径机枪智能射击记录仪的研究[D];南京理工大学;2006年

，

本文编号：540630