基于地磁场和CSI指纹的室内定位算法研究
发布时间：2021-01-20 19:15
随着无线网络和智能设备的普及,室内定位得到了迅速发展。基于位置的信息服务引起了越来越多的关注,并且精准的位置信息在实际应用中发挥了重要作用。在室内定位中,基于地磁场的指纹定位方法因为无需外部设施、抗干扰性强等优点逐渐成为研究热点。然而,在室内环境中仅利用地磁场进行定位往往存在计算复杂度高、收敛速度慢等问题。特别是在某些大面积室内环境下更是如此。本文对磁场指纹定位存在的问题进行了分析和研究,通过利用信道状态信息（Channel state information,CSI）对磁场在室内定位中存在的缺陷进行改进。具体来说,本文的主要工作和创新如下:（1）研究了磁场指纹定位的技术原理和典型的匹配算法,并分析了磁场指纹定位算法在定位效率和定位精度方面的局限性。针对其在线阶段的匹配效率问题,提出了改进的视距（Line of Sight,LOS）/非视距（Not Line of Sight,NLOS）识别算法用于缩小指纹匹配区域,相比于原来的识别算法,改进的识别算法利用多个AP中的CSI信息增大了NLOS与LOS之间的差异,使得识别更结果更为准确。实验结果表明所提出的改进的LOS/NLOS算法比原来...
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 引言
1.1 研究背景和意义
1.2 国内外对室内定位的研究现状
1.3 现有定位系统存在的缺点
1.4 论文研究内容
1.5 论文组织结构
第二章 室内定位技术
2.1 室内相关定位技术
2.1.1 基于设备的无线通信定位技术
2.1.2 基于WiFi的室内定位技术
2.2 定位的设计指标和定位影响因素
2.2.1 定位的评价指标
2.2.2 影响定位精度的主要因素
2.3 小结
第三章 基于CSI识别和混合指纹的室内定位算法
3.1 磁场强度及其特点
3.1.1 磁场在室内的分布
3.1.2 磁场的稳定性
3.1.3 磁场的分辨率
3.2 CSI简介
3.2.1 CSI模型
3.2.2 CSI的校准
3.2.3 CSI的相位
3.3 系统模型与结构
3.3.1 系统模型
3.3.2 系统结构
3.4 建立指纹库
3.4.1 构建混合指纹库
3.5 LOS识别算法
3.5.1 LOS/NLOS识别
3.6 混合指纹匹配算法
3.7 小结
第四章 基于卷积神经网络的室内指纹定位算法
4.1 深度学习
4.1.1 人工神经网络
4.1.2 误差反向传播算法
4.1.3 典型深度学习网络
4.2 系统模型与结构
4.2.1 系统模型
4.2.2 系统结构
4.3 建立指纹库
4.3.1 数据归一化
4.3.2 CNN模型训练
4.4 指纹匹配算法
4.5 小结
第五章 实验和结果分析
5.1 基于LOS识别和MDS-KNN算法的指纹定位系统
5.1.1 实验环境
5.1.2 LOS/NLOS识别的性能
5.1.3 MDS-KNN指纹匹配的性能
5.2 基于CNN网络的指纹定位系统
5.2.1 实验环境与数据处理
5.2.2 基于CNN指纹定位的定位性能
5.2.3 训练样本数对定位结果的影响
5.2.4 与传统定位算法的比较
5.3 小结
第六章 总结与展望
6.1 本文的主要工作
6.2 下一步的工作思路
参考文献
致谢
攻读硕士期间已发表的论文
攻读硕士期间参加的科研项目
【参考文献】：
期刊论文
[1]基于dynFWA-SVM的WiFi室内定位算法[J]. 沈西挺,白振东,董瑶,董永峰. 传感器与微系统. 2018(04)
[2]基于安卓系统的定位智能小车设计[J]. 田莉,孙金秋,王志凌. 盐城工学院学报(自然科学版). 2017(04)
[3]基于基站定位数据的地图匹配研究[J]. 郝晓平,李烨. 电子科技. 2017(07)
[4]基于LBP和栈式自动编码器的人脸识别算法研究[J]. 易焱,蒋加伏. 计算机工程与应用. 2018(02)
[5]基于RFID的室内定位算法VIRE的改进[J]. 邓照群,李兴广,陈磊. 科技创新导报. 2016(18)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[7]深度学习研究进展[J]. 郭丽丽,丁世飞. 计算机科学. 2015(05)
[8]受限波尔兹曼机[J]. 张春霞,姬楠楠,王冠伟. 工程数学学报. 2015(02)
[9]基于高能效及公平性的移动设备定位算法[J]. 赵雪琴,徐凯华. 计算机应用研究. 2015(03)
[10]基于iBeacon定位技术的智慧图书馆[J]. 张倬胜,艾浩军,马方方,薛静远,章尹圣原,艾浩军. 电子产品世界. 2015(01)
博士论文
[1]基于技术、应用、市场三个层面的我国物联网产业发展研究[D]. 丛林.辽宁大学 2016
[2]北斗/GPS多频实时精密定位理论与算法[D]. 李金龙.解放军信息工程大学 2014
[3]基于RFID的AGV定位与导引研究[D]. 卢少平.山东大学 2011
硕士论文
[1]无线通信基站的定位算法研究[D]. 闫文江.南京大学 2017
[2]无线传感器网络中基于非测距定位算法的研究[D]. 马淑丽.曲阜师范大学 2016
[3]基于MEMS惯性传感器的室内3D定位系统研究[D]. 朱金林.华侨大学 2015
[4]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
[5]基于Zigbee室内定位的智能导游系统研究[D]. 彭宇倩.广东工业大学 2014
[6]RFID定位算法研究[D]. 杨公建.河南科技大学 2011
[7]基于核判别分析的人脸识别算法[D]. 张晓华.哈尔滨理工大学 2008
本文编号：2989621
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 引言
1.1 研究背景和意义
1.2 国内外对室内定位的研究现状
1.3 现有定位系统存在的缺点
1.4 论文研究内容
1.5 论文组织结构
第二章 室内定位技术
2.1 室内相关定位技术
2.1.1 基于设备的无线通信定位技术
2.1.2 基于WiFi的室内定位技术
2.2 定位的设计指标和定位影响因素
2.2.1 定位的评价指标
2.2.2 影响定位精度的主要因素
2.3 小结
第三章 基于CSI识别和混合指纹的室内定位算法
3.1 磁场强度及其特点
3.1.1 磁场在室内的分布
3.1.2 磁场的稳定性
3.1.3 磁场的分辨率
3.2 CSI简介
3.2.1 CSI模型
3.2.2 CSI的校准
3.2.3 CSI的相位
3.3 系统模型与结构
3.3.1 系统模型
3.3.2 系统结构
3.4 建立指纹库
3.4.1 构建混合指纹库
3.5 LOS识别算法
3.5.1 LOS/NLOS识别
3.6 混合指纹匹配算法
3.7 小结
第四章 基于卷积神经网络的室内指纹定位算法
4.1 深度学习
4.1.1 人工神经网络
4.1.2 误差反向传播算法
4.1.3 典型深度学习网络
4.2 系统模型与结构
4.2.1 系统模型
4.2.2 系统结构
4.3 建立指纹库
4.3.1 数据归一化
4.3.2 CNN模型训练
4.4 指纹匹配算法
4.5 小结
第五章 实验和结果分析
5.1 基于LOS识别和MDS-KNN算法的指纹定位系统
5.1.1 实验环境
5.1.2 LOS/NLOS识别的性能
5.1.3 MDS-KNN指纹匹配的性能
5.2 基于CNN网络的指纹定位系统
5.2.1 实验环境与数据处理
5.2.2 基于CNN指纹定位的定位性能
5.2.3 训练样本数对定位结果的影响
5.2.4 与传统定位算法的比较
5.3 小结
第六章 总结与展望
6.1 本文的主要工作
6.2 下一步的工作思路
参考文献
致谢
攻读硕士期间已发表的论文
攻读硕士期间参加的科研项目
【参考文献】：
期刊论文
[1]基于dynFWA-SVM的WiFi室内定位算法[J]. 沈西挺,白振东,董瑶,董永峰. 传感器与微系统. 2018(04)
[2]基于安卓系统的定位智能小车设计[J]. 田莉,孙金秋,王志凌. 盐城工学院学报(自然科学版). 2017(04)
[3]基于基站定位数据的地图匹配研究[J]. 郝晓平,李烨. 电子科技. 2017(07)
[4]基于LBP和栈式自动编码器的人脸识别算法研究[J]. 易焱,蒋加伏. 计算机工程与应用. 2018(02)
[5]基于RFID的室内定位算法VIRE的改进[J]. 邓照群,李兴广,陈磊. 科技创新导报. 2016(18)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[7]深度学习研究进展[J]. 郭丽丽,丁世飞. 计算机科学. 2015(05)
[8]受限波尔兹曼机[J]. 张春霞,姬楠楠,王冠伟. 工程数学学报. 2015(02)
[9]基于高能效及公平性的移动设备定位算法[J]. 赵雪琴,徐凯华. 计算机应用研究. 2015(03)
[10]基于iBeacon定位技术的智慧图书馆[J]. 张倬胜,艾浩军,马方方,薛静远,章尹圣原,艾浩军. 电子产品世界. 2015(01)
博士论文
[1]基于技术、应用、市场三个层面的我国物联网产业发展研究[D]. 丛林.辽宁大学 2016
[2]北斗/GPS多频实时精密定位理论与算法[D]. 李金龙.解放军信息工程大学 2014
[3]基于RFID的AGV定位与导引研究[D]. 卢少平.山东大学 2011
硕士论文
[1]无线通信基站的定位算法研究[D]. 闫文江.南京大学 2017
[2]无线传感器网络中基于非测距定位算法的研究[D]. 马淑丽.曲阜师范大学 2016
[3]基于MEMS惯性传感器的室内3D定位系统研究[D]. 朱金林.华侨大学 2015
[4]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
[5]基于Zigbee室内定位的智能导游系统研究[D]. 彭宇倩.广东工业大学 2014
[6]RFID定位算法研究[D]. 杨公建.河南科技大学 2011
[7]基于核判别分析的人脸识别算法[D]. 张晓华.哈尔滨理工大学 2008
本文编号：2989621
本文链接：https://www.wllwen.com/kejilunwen/wltx/2989621.html
