基于矩阵补全和降维技术的室内指纹定位算法研究

发布时间：2020-03-22 03:23

【摘要】：随着信息时代的到来,基于位置的服务逐渐在日常生活中扮演着重要角色。作为传统室外定位技术的强力补充,室内定位技术的研究近年来受到广泛的关注。其中,基于位置指纹的定位技术因其定位精度高、应用场景灵活等优点已成为室内定位技术的主流。本文以蓝牙技术为平台,在研究位置指纹定位原理的基础上,分析室内指纹定位技术中主要存在的问题。通过采集RSSI数据分析信号强度的时间、空间特性,并主要针对离线阶段指纹库构建效率低问题以及在线阶段匹配算法性能不高等问题展开研究。具体开展的工作如下:为提高离线阶段构建位置指纹库的效率,减少离线阶段采集指纹库所需的工作开销,提出一种基于非负矩阵补全的指纹库重构算法,利用非负矩阵补全模型对指纹重构问题进行建模。针对采样矩阵中可能伴有野值噪声而影响重构指纹库后的定位精度问题,添加野值噪声对模型进一步改进,最后利用ADMM算法(Alternating Direction Method of Multipliers,交替方向乘子法)求解得到完整指纹矩阵。仿真结果表明,该方法可以有效构建离线阶段位置指纹库,且重构精度比传统插值算法高。在大型定位场景中采集的位置指纹库含有特征冗余不利于定位,且在线定位阶段逐条搜索十分耗时。针对上述问题,研究一种基于半监督仿射传播聚类和KLDA降维技术(Kernel Linear Discrimination Analysis,核线性判别分析)的室内定位算法。首先考虑无位置标签的RSSI信息,并将其与离线位置指纹库做半监督聚类处理。在聚类过程中利用AP集合相似度对聚类算法做出改进,减少仅考虑RSSI信息聚类过程产生的奇点,完成聚类后使用KLDA降维技术对指纹库去特征冗余处理。实验结果表明,该算法能够有效减少定位时间,且结合无位置标签RSSI信息后的定位精度得到明显提升,平均定位误差达到1.86 m。
【图文】：

示意图,蓝牙,实物

AP9图 2.7 定位场景示意图在本文选取重庆某公司的JinouBeacon作为室内定位的蓝牙基站，如图2.8所示。JinouBeacon 是基于德州仪器（Texas Instrument ，TI ）的 CC2540 芯片，可以全面支持蓝牙低功耗技术。图 2.8 蓝牙 AP 实物图离线阶段采集信号的移动终端为 nubia Z11mini 智能手机。在试验中以 Android环境为平台，开发了可以检测信号强度的软件。软件采集页面如下图所示：

信号采集,页面,信号强度

图 2.9 信号采集页面图的变化情况某参考位置接收信号强度随时间的时段对同一位置连续采样 100 s 看出，，在选取的两个时段内接收时间段里信号强度变化特性有所这两个时间段的信号强度做统计 2.2 所示。从表中可以看出两个库时，对采集的数据进行均值处进行定位是可行的。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN92

【参考文献】