基于空间谱群指纹的高精度室内定位方法研究

发布时间：2017-06-04 16:09

  本文关键词：基于空间谱群指纹的高精度室内定位方法研究，，由笔耕文化传播整理发布。

【摘要】：近年来,由于室内定位需求的不断增长,基于无线通信技术的室内定位算法引起了人们的广泛关注。但是由于室内环境比较复杂,接收信号比较容易受到多径、物体移动等因素的影响,这使得室内定位算法的精度和鲁棒性都不能达到人们的要求。当前较为常用的一些室内定位系统,它们要么功能单一、扩展性较差,要么价格较高,难以广泛使用。这使得广大学者都期待出现一种能充分探测环境信息并且成本较低的系统。本文从室内空间谱指纹入手,采用信息融合技术对空间谱群指纹进行融合,并通过软件无线电通用外部设备(Universal Software Radio Peripheral,USRP)对文中引入和改进的算法进行验证,经过实验证明,本文算法取得了较好的性能。本文的主要工作如下:(1)对经典的室内定位算法进行分析,分别介绍了到达时间(Time Of Arrivel,TOA)、到达时间差(Time Difference Of Arrival,TDOA)、接收信号强度(Received Signal Strength,RSS)和波达方向(Direction Of Arrival,DOA)估计算法。接着简要的介绍了目前常用的室内定位系统,并分析了其优缺点。通过对当前的室内定位算法和室内定位系统进行分析,使我们对室内定位技术有了深入的认识,从而清楚地认识到当前室内定位技术存在的不足,为本文对当前定位技术进行改进指明了方向。(2)针对RSS指纹应用于室内环境中的缺点,提出了主成分分析(Principal Component Analysis,PCA)指纹、协方差指纹和四阶累积量指纹。和RSS指纹相比,这些指纹保存了更多的室内空间信息,因此其稳健性更好,文中并以仿真实验的方式进行了验证。(3)针对指纹库匹配计算量较大的问题,本文通过数据聚类技术对目标进行粗定位,这能极大的减小在线指纹匹配时的计算量;然后,利用室内环境中的多种空间谱指纹结合集成学习、神经网络和Dempster-Shafer(DS)证据理论来对目标进行精确定位;最后通过实验仿真对其有效性进行了验证。(4)研究了一套基于开源软件无线电平台的室内定位系统,该系统能完整的采集室内空间信息。最后通过该系统在室内环境中采集数据,接着用该数据对本文引入和改进的算法进行验证。
【关键词】：室内定位 空间谱指纹 信息融合 USRP
【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】：TN96
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-15
• 1.1 研究目的及意义11-12
• 1.2 研究现状及背景12-14
• 1.3 本文主要工作及内容安排14-15
• 第二章 经典室内定位算法及系统介绍15-33
• 2.1 室内定位性能指标15-16
• 2.2 室内定位算法16-29
• 2.2.1 常用室内定位算法16-21
• 2.2.2 参数化估计方法21-26
• 2.2.3 非参数化估计方法26-28
• 2.2.4 相关技术比较28-29
• 2.3 室内定位系统29-32
• 2.3.1 RFID29
• 2.3.2 Cellular-Based29-30
• 2.3.3 UWB30-31
• 2.3.4 WLAN（IEEE 802.11）31
• 2.3.5 Bluetooth（IEEE 802.15）31-32
• 2.3.6 相关系统比较32
• 2.4 本章小结32-33
• 第三章 室内空间谱指纹33-42
• 3.1 近场源阵列模型33-35
• 3.2 空间谱指纹介绍35-38
• 3.2.1 PCA指纹35-36
• 3.2.2 协方差指纹36-37
• 3.2.3 四阶累积量指纹37
• 3.2.4 指纹性能分析37-38
• 3.2.5 指纹匹配流程38
• 3.3 实验仿真38-41
• 3.4 本章小结41-42
• 第四章 基于空间谱群指纹的融合定位算法42-63
• 4.1 指纹聚类方法42-45
• 4.1.1 基于K-means算法的位置指纹聚类43-44
• 4.1.2 实验仿真44-45
• 4.2 基于BP神经网络和DS理论的指纹定位算法45-56
• 4.2.1 神经网络介绍45-49
• 4.2.2 DS理论49-51
• 4.2.3 BP_DS指纹定位方法51-54
• 4.2.4 实验仿真54-56
• 4.3 基于集成学习的BP_DS指纹定位方法56-62
• 4.3.1 集成学习原理56-59
• 4.3.2 BP_MEL_DS指纹定位方法59-60
• 4.3.3 实验仿真60-62
• 4.4 本章小结62-63
• 第五章 实时定位系统介绍及群指纹融合定位算法验证63-80
• 5.1 GNURadio软件63-66
• 5.2 USRP开发平台简介66-72
• 5.2.1 USRP母板66-67
• 5.2.2 AD/DA转换器67
• 5.2.3 FPGA67-69
• 5.2.4 子板接69-71
• 5.2.5 多USRP配置71-72
• 5.3 实验准备72-74
• 5.3.1 实验环境72-73
• 5.3.2 硬件设备73-74
• 5.3.3 软件配置74
• 5.4 实验数据采集74-76
• 5.5 算法效果验证76-79
• 5.5.1 RSS指纹聚类分析76-77
• 5.5.2 融合算法稳健性分析77-78
• 5.5.3 实测数据分析78-79
• 5.6 本章小结79-80
• 第六章 全文总结与展望80-82
• 6.1 本文工作总结80
• 6.2 下一步工作的展望80-82
• 致谢82-83
• 参考文献83-88
• 攻读硕士学位期间取得的成果88-89

【参考文献】

中国期刊全文数据库 前1条

1 陈国祥;窦林名;曹安业;李志华;;电磁辐射法评定冲击矿压危险等级及应用[J];煤炭学报;2008年08期

中国硕士学位论文全文数据库 前1条

1 王志超;基于FPGA的高速FIR滤波器设计与实现[D];哈尔滨理工大学;2013年

  本文关键词：基于空间谱群指纹的高精度室内定位方法研究，由笔耕文化传播整理发布。

本文编号：421463