基于流形学习的室内WLAN半监督位置指纹数据库构建方法

发布时间：2021-07-08 23:53

　　随着短距离无线电技术的高速发展和无线局域网络（Wireless Local Area Networks,WLAN）的普及,用户在享受WLAN带来方便快捷信息交互功能的同时,对高效精准的室内位置服务需求也愈发迫切。由于基于WLAN的室内定位技术只需要利用软件的升级与更新,通过软件计算即可实现定位功能,因此在室内环境中应用较广。但由于室内环境复杂,定位信号会发生抖动,传统的WLAN指纹定位算法为了实现对目标的高精度定位,需要耗费大量的人力、物力和时间开销来实现位置指纹数据库的构建工作。因此,如何在保证定位性能的同时,降低位置指纹数据库的构建成本是目前亟需解决的重要问题。针对此问题,本文基于用户采集的大量无标记指纹样本,提出了一种基于半监督多信息流形学习的位置指纹数据库构建方案,该方案不仅能保证较高定位精度,同时可明显减少离线阶段的建库成本。本文的主要研究内容如下:1.根据需要采集的标记指纹的个数,讨论了室内WLAN指纹定位系统的四种不同建库方法。同时,本文分析了流形学习的理论基础和典型方法,并在此基础上,给出基于流形学习的半监督室内WLAN位置指纹数据库的构建方法。2.对传统的流形学习算法... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

真实实验环境

43图 5.2 实验环境平面结构图表 5.1 实验环境中 AP 的 MAC 地址及物理位置坐标AP 名称 MAC 地址 物理位置坐标AP1 c0:a0:bb:27:88:20 (0, 8.5)AP2 c0:a0:bb:29:d7:40 (12.6, 0)AP3AP4AP5c0:a0:bb:26:56:50c0:a0:bb:27:90:88c0:a0:bb:27:88:28(27.6, 7.8)(49.5, 16)(39.3, 0)

图 5.3 自主开发软件界面5.3 参数设置5.3.1 构图方法中的近邻个数首先确定构图算法中的近邻参数ik 和ek 对定位性能的影响。图 5.4 给出了不同值的情况下 /i ek k 对平均定位误差的影响。图中可以看出，当 和 的值变大时平均定位误差变小，说明此时近邻数越多，基于标记数据的构图方法能找到更多的标记近邻，因此系统的定位误差更小。


本文编号：3272584