基于WiFi的RSSI指纹定位算法研究

发布时间：2017-05-13 13:16

  本文关键词：基于WiFi的RSSI指纹定位算法研究，由笔耕文化传播整理发布。

【摘要】：随着移动互联网的飞速发展,WiFi网络迅速普及,遍布于办公室、学校、大型商场等各个场所,深入人们的工作、学习和休闲娱乐生活中,为人们提供便捷优质的网络服务。同时,基于位置的服务受到广大用户的关注和青睐,而基于WiFi的定位技术,以其部署成本低、容易实现、定位精度高和易于扩展等优势,引起人们的高度关注,迅速成为室内定位技术的研究热点。本文通过对基于WiFi室内定位技术研究现状的分析总结,针对传统确定性指纹匹配KNN算法需要匹配大量指纹数据且定位精度不足的问题,设计了针对KNN算法的过滤指纹定位算法,改进了定位过程,并设计实现了过滤指纹定位算法的验证系统,通过实验方法验证了改进算法的可行性、有效性和算法性能。本文主要研究工作如下:确定性指纹匹配KNN算法,通过匹配在定位点上测量得到的各个AP的信号强度与指纹参考点的信号强度的欧式距离,选择距离最小的K个点的质心作为定位的估计位置。该算法需要计算指纹库中每个指纹点与定位点多个AP信号强度的联合欧式距离,计算量大,在针对匹配数据过大问题的已有研究中,通常引入其他设备(如Zigebee),利用其信号特征(如Zigbee ID),将指纹库划分成小块,以减少需要匹配的指纹个数。本文基于过滤、将定位匹配过程分步进行的思想,在不引入其他设备的情况下,设计了基于WiFi信号强度自身的过滤方法,在计算联合欧式距离之前,设置单个AP的信号强度有效区间,将指纹库中的参考点先过滤,在过滤后的指纹点中再使用KNN算法进行匹配定位,能减少需要匹配的指纹数量,降低定位延迟。同时,KNN算法使用的是多个AP信号强度的联合欧式距离,并不能区分单个AP中定位点与指纹点信号强度的差距,而改进的过滤算法则从单个AP的角度,对每个AP的信号强度差距做了粗略区分,增加了K个指纹参考点选取时的准确性,能提高定位精度。过滤指纹定位方法的关键是过滤区间的选择,本文通过RSSI信号强度在不同RSSI均值下波动情况的研究,设计了基于RSSI信号强度值的过滤区间简易自适应方法。针对指纹过滤后,剩余指纹个数不一定满足KNN算法中K值要求的情况,通过对K值变化对定位精度影响程度的研究,给出了相应的解决方案,即K取值3、4、5、6对定位的影响较小,缺省值K取5,若个数不足5个则K减小但不小于3。设计实现了过滤指纹定位算法,并通过实验结果分析了算法性能。在实际室内Wi Fi环境中,部署定位AP,采集指纹数据库,随机选取测试点,通过验证系统,得到定位结果。通过对测试点的定位误差结果的数据统计与分析,分析了过滤指纹定位算法的定位性能。实验结果表明,相对于KNN定位算法,过滤指纹定位方法在没有增加时间复杂度的情况下,在定位精度上有了一定程度上的提高,验证了过滤算法的可行性和有效性。
【关键词】：WiFi室内定位 RSSI指纹定位 指纹过滤 过滤临界值的自适应调整
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN92
【目录】：

• 摘要5-7
• ABSTRACT7-15
• 第一章绪论15-21
• 1.1 论文研究背景15-16
• 1.2 室内定位技术研究现状16-18
• 1.3 研究意义18-19
• 1.4 研究内容和目标19-20
• 1.5 论文结构安排20-21
• 第二章 WiFi室内定位技术概述21-35
• 2.1 WiFi工作模式21-22
• 2.2 基于距离测量的定位方法22-29
• 2.2.1 到达时间法TOA22-23
• 2.2.2 到达时间差法TDOA23-24
• 2.2.3 到达角度法AOA24-25
• 2.2.4 RSSI基于传播模型的定位技术25-29
• 2.3 无关距离的定位方法29-31
• 2.3.1 多边形几何质心法29-30
• 2.3.2 基于RSSI的指纹定位法30-31
• 2.4 基于RSSI的指纹定位匹配算法31-34
• 2.4.1 NNSS算法31-32
• 2.4.2 KNN算法32-33
• 2.4.3 WKNN算法33
• 2.4.4 朴素贝叶斯算法33-34
• 2.5 本章小结34-35
• 第三章过滤指纹定位算法35-53
• 3.1 KNN定位算法局限性分析35-36
• 3.2 过滤指纹定位算法设计36-46
• 3.2.1 过滤指纹定位算法原理37-38
• 3.2.2 RSSI信号强度与距离关系38-39
• 3.2.3 不同RSSI信号强度均值下RSSI的波动39-43
• 3.2.4 过滤临界值的自适应调整43-46
• 3.3 过滤指纹定位过程46-51
• 3.3.1 离线指纹采集处理47
• 3.3.2 指纹过滤47-48
• 3.3.3 位置估计48-51
• 3.4 改进算法与已有指纹算法的区别51-52
• 3.5 本章小结52-53
• 第四章过滤指纹定位算法实现与结果分析53-69
• 4.1 指纹数据库的建立53-60
• 4.1.1 实验设备53-54
• 4.1.2 不同终端的影响54
• 4.1.3 实验区域及AP部署54-55
• 4.1.4 指纹采集模块设计与实现55-58
• 4.1.5 数据库模块58-60
• 4.2 过滤指纹定位算法设计实现60-65
• 4.2.1 定位算法模块61-62
• 4.2.2 指纹读取模块62-63
• 4.2.3 过滤区间自适应模块63-64
• 4.2.4 误差分析模块64-65
• 4.3 测试结果和性能分析65-68
• 4.3.1 测试结果65-66
• 4.3.2 算法性能分析66-68
• 4.4 本章小结68-69
• 第五章总结与展望69-71
• 5.1 工作总结69-70
• 5.2 工作展望70-71
• 致谢71-72
• 参考文献72-75
• 硕士期间取得的研究成果75-76

【参考文献】

中国期刊全文数据库 前3条

1 杨帆;赵东东;;基于Android平台的WiFi定位[J];电子测量技术;2012年09期

2 杨小亮;叶阿勇;凌远景;;基于阈值分类及信号强度加权的室内定位算法[J];计算机应用;2013年10期

3 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

  本文关键词：基于WiFi的RSSI指纹定位算法研究，由笔耕文化传播整理发布。

，

本文编号：362656