基于Wifi的指纹定位系统在室内定位中的应用研究

发布时间：2017-04-09 15:18

  本文关键词：基于Wifi的指纹定位系统在室内定位中的应用研究，，由笔耕文化传播整理发布。

【摘要】：随着移动通信技术的飞速发展,基于无线传感器网络的位置感知服务LBS(Location Based Services)越来越受青睐,而对于LBS来说定位技术是其提供服务的基础。在开阔的室外环境下GPS全球定位系统可提供较精确的定位服务。然而在高楼密集的中心城区和建筑物内部,由于无法感知GPS卫星信号,从而无法在这些场景中实现定位。为了弥补GPS存在的定位盲区,实现室内环境中的精准定位,本文在研究经典Wifi指纹定位算法思想的基础上,针对该算法中存在的一些不足加以改进,提出了一种基于分段和插值的KNN+Bayes融合定位算法,在满足定位精度需求的同时,有效的降低了算法的计算复杂性。本文的主要研究工作如下:(1)由于Wifi信号在室内传播时会受到障碍物和多径效应的影响,导致其信号强度长期处于一种波动状态,如果直接根据单次采集的信号强度值进行定位计算,会产生较大的定位误差。针对上述问题,本文采用高斯模型来对采样周期内的多组信号强度值进行滤除处理,保留出现概率大的信号强度值,去除出现概率小的信号强度值。提高了信号的采集精度和系统的定位精度。(2)由于传统KNN算法计算复杂度低、易于实现,但是其定位误差较大,很难满足精确定位的需求。传统的Bayes算法定位精度高,但是计算复杂度也较高。为了使定位算法在满足精度需求的同时,有效减小其计算复杂度,本文采用分段和插值的方法将KNN算法和Bayes算法进行融合,在分段过程中采用MAC过滤和KNN粗定位来缩小定位区域的范围,从而减小指纹匹配计算的复杂度。在插值的过程中采用水平插值和垂直插值方法来提高定位区域中的指纹密度,从而提高Bayes算法的定位精度。最后,我们基于Android+J2EE+MySQL平台,依照上述改进理论,设计并实现出了基于Wifi的指纹定位系统,并在现实定位场景中进行了定位实验,实验结果表明:本文提出的基于分段和插值的KNN+Bayes融合定位算法,在定位精度方面远远高于KNN算法,在计算复杂度方面远远低于Bayes算法,不断能够满足定位精确的需求,而且有效的降低了算法的计算复杂性,对于推动室内定位技术的发展有重要的意义。
【关键词】：Wifi KNN+Bayes融合定位算法 室内定位系统
【学位授予单位】：江西师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN92
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-12
• 1.1 选题背景及现实意义8
• 1.2 相关研究现状8-10
• 1.3 本文主要研究内容10-11
• 1.4 本文结构安排11-12
• 第2章 Wifi指纹定位技术原理12-18
• 2.1 典型的室内信号传播模型12-13
• 2.1.1 线性路径损耗模型12-13
• 2.1.2 信号传输对数损耗模型13
• 2.2 经典位置指纹匹配算法13-16
• 2.2.1 最近邻法(NNSS)算法13-14
• 2.2.2 k最近邻(k-Nearest Neighbor, KNN)算法14
• 2.2.3 概率定位算法14-15
• 2.2.4 极大似然概率 (Maximum likelihood , ML) 算法15-16
• 2.3 基于Wifi的指纹定位技术原理16-17
• 2.4 本章小结17-18
• 第3章 KNN+Bayes融合定位算法18-32
• 3.1 Wifi信号在室内的传播模型选择及其误差修正18-22
• 3.1.1 室内信号的统计与特征分析18-21
• 3.1.2 传播模型选择21-22
• 3.1.3 误差修正22
• 3.2 KNN算法和Bayes算法性能分析22-25
• 3.2.1 KNN算法性能分析23-24
• 3.2.2 Bayes算法性能分析24-25
• 3.3 定位算法效率分析25-28
• 3.3.1 定位规模与算法效率25-26
• 3.3.2 终端差异与指纹鲁棒性26-27
• 3.3.3 指纹密度与定位精度27
• 3.3.4 定位规模与指纹库构建27
• 3.3.5 指纹库构建与定位精度27-28
• 3.4 基于分段和插值的KNN+Bayes融合定位算法的原理28-31
• 3.4.1 高斯滤波处理28
• 3.4.2 MAC地址过滤28-29
• 3.4.3 KNN算法粗定位29-30
• 3.4.4 插值法生成虚拟采样点30
• 3.4.5 Bayes算法精确定位30-31
• 3.5 本章小结31-32
• 第4章 KNN+Bayes融合定位算法的应用32-40
• 4.1 系统需求分析32-34
• 4.1.1 系统描述32-33
• 4.1.2 定位系统的功能需求分析33-34
• 4.2 系统设计与实现34-39
• 4.2.1 系统定位服务流程34-35
• 4.2.2 移动客户端设计35-37
• 4.2.3 定位服务器的设计37-38
• 4.2.4 指纹库的设计38-39
• 4.3 本章小结39-40
• 第5章 定位测试与分析40-44
• 5.1 定位系统部署40-41
• 5.2 定位测试与结果分析41-43
• 5.3 本章小结43-44
• 第6章 总结与展望44-46
• 6.1 本文总结44
• 6.2 未来研究工作展望44-46
• 参考文献46-49
• 致谢49-50
• 攻读硕士学位期间公开发表的论文50

【参考文献】

中国期刊全文数据库 前3条

1 杜锋;田世伟;李广侠;;无线局域网络定位研究进展[J];导航定位学报;2014年03期

2 乔钢柱;曾建潮;;一种适用于动态环境的改进RSSI定位方法[J];计算机研究与发展;2010年S2期

3 万国峰;钟俊;杨成慧;;改进的RSSI测距和定位算法[J];计算机应用研究;2012年11期

中国硕士学位论文全文数据库 前1条

1 沈阳;基于指纹的无线室内定位中接入点选择算法研究[D];浙江大学;2014年

  本文关键词：基于Wifi的指纹定位系统在室内定位中的应用研究，由笔耕文化传播整理发布。

本文编号：295553