基于物联网网关的智能家居系统室内定位技术研究

发布时间：2017-06-07 09:08

  本文关键词：基于物联网网关的智能家居系统室内定位技术研究，，由笔耕文化传播整理发布。

【摘要】：随着人们生活水平的提高和传感器技术、网络通信等技术的发展,智能家居正在逐渐走进人们的日常生活中。但是传统的智能家居系统均是通过嵌入式技术、传感器技术和综合布线等技术,实现对家居设备的控制和家居环境的监测。近年来,通过室内定位技术实现家居环境中人体和物体数目及位置等信息的检测日益受到重视和广泛关注。室内定位技术作为智能家居领域中一项重要的信息处理技术,是提高家居环境舒适度、安全度、智能化程度和构建高效的智能家居系统的关键。 论文结合智能家居系统室内人员和物品定位的需求,从理论研究、仿真评估和实验验证三个角度出发,针对基于射频识别(RFID)技术的室内定位算法展开深入研究。在对几种典型的基于RFID技术的室内定位方法分析研究之后,论文重点研究了经典的基于信号强度指示法(RSSI)的LANDMARC室内定位系统及其最近邻居算法,并针对算法的不足进行改进,以提高算法定位精度。论文主要研究内容及创新点如下： 首先对经典的LANDMARC室内定位系统展开深入研究,在简要介绍了定位系统组成和能级计算方法之后,重点分析了系统最近邻居定位算法的原理和实现流程,并通过MATLAB软件模拟真实的室内环境,仿真实现该算法。仿真结果表明,算法的定位精度主要取决于最近邻居参考标签数目k和参考标签的布置密度。当最近邻居参考标签数目k=4时,算法定位性能最好,最大定位误差为1.18m,平均定位误差为0.74m；另外,适当的增加参考的标签布置密度可以提高系统的定位精度。 其次针对LANDMARC系统最近邻居算法引入不良参考标签和计算权重时可能导致分母为零的不足,提出了一种基于BP神经网络的改进算法——BPNN-LANDMARC。在详细分析了改进算法的原理之后,通过MATLAB软件对算法进行仿真。仿真结果表明,改进算法最大定位误差为0.89m,平均定位误差为0.56m。相对于原算法,改进算法最大定位误差下降了24.57%,而平均定位误差也下降了24.32%。 最后基于S3C6410处理器和嵌入式Linux操作系统设计了智能家居系统网关软硬件开发平台,并通过多线程并发服务器和串口通信等软件程序设计,将定位算法移植到网关中,通过实际测试验证算法的定位性能。实验结果表明改进算法定位精度比原算法高,很好的验证了算法的可行性。
【关键词】：智能家居 室内定位 LANDMARC BP神经网络 BPNN-LANDMARC
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TU855;TN929.5;TP391.44
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 绪论11-19
• 1.1 课题研究背景及意义11-13
• 1.1.1 课题研究背景11-12
• 1.1.2 课题研究意义12-13
• 1.2 室内定位技术研究现状13-16
• 1.3 论文主要工作16-17
• 1.4 论文组织结构安排17-19
• 第二章 RFID室内定位技术概述19-29
• 2.1 射频信号传播模型19-21
• 2.1.1 射频信号传播特性19
• 2.1.2 自由空间传播模型19-20
• 2.1.3 室内空间传播模型20-21
• 2.2 RFID技术概述21-24
• 2.2.1 RFID系统构成21-23
• 2.2.2 RFID技术标准23-24
• 2.2.3 RFID系统工作原理24
• 2.3 基于RFID的室内定位方法24-28
• 2.3.1 基于信号到达时间法24-25
• 2.3.2 基于信号到达时间差法25-26
• 2.3.3 基于信号到达角度法26-27
• 2.3.4 基于信号强度指示法27-28
• 2.4 本章小结28-29
• 第三章 LANDMARC室内定位系统及算法研究29-38
• 3.1 LANDMARC室内定位系统29-31
• 3.1.1 系统概述29-30
• 3.1.2 系统能级计算方法30-31
• 3.2 LANDMARC室内定位算法原理31-33
• 3.3 LANDMARC算法仿真与结果分析33-36
• 3.3.1 仿真模型33-34
• 3.3.2 最近邻居参考标签数目k的取值对定位精度的影响34-35
• 3.3.3 参考标签分布密度对定位精度的影响35-36
• 3.4 LANDMARC算法优缺点36-37
• 3.4.1 LANDMARC算法优点36
• 3.4.2 LANDMARC算法不足36-37
• 3.5 本章小结37-38
• 第四章 基于BP神经网络的改进算法研究38-52
• 4.1 BP神经网络概述38-41
• 4.2 基于BP神经网络的改进算法41-43
• 4.3 BP神经网络建模和模型训练43-46
• 4.3.1 BP神经网络建模43-45
• 4.3.2 BP神经网络模型训练45-46
• 4.4 改进算法仿真结果分析46-51
• 4.4.1 改进算法粗定位误差46-47
• 4.4.2 改进算法精确定位误差47-51
• 4.4.3 算法时间复杂度分析51
• 4.5 本章小结51-52
• 第五章 智能家居室内定位系统软硬件设计52-66
• 5.1 系统总体设计52-53
• 5.2 系统硬件设计53-58
• 5.2.1 室内定位子系统硬件设计53-55
• 5.2.2 智能家居系统网关设计55-58
• 5.3 系统软件设计58-62
• 5.3.1 定位算法C语言实现58
• 5.3.2 socket多线程并发服务器设计58-61
• 5.3.3 串口通信程序设计61-62
• 5.4 系统测试及实验结果分析62-65
• 5.4.1 实验环境布置62-63
• 5.4.2 设备IP地址分配63-64
• 5.4.3 实验结果及分析64-65
• 5.5 本章小结65-66
• 第六章 总结和展望66-68
• 6.1 论文工作总结66-67
• 6.2 未来工作展望67-68
• 参考文献68-72
• 致谢72-73
• 攻读学位期间发表的学术论文目录73

【参考文献】

中国期刊全文数据库 前2条

1 章坚武;颜欢;包建荣;;智能家庭网关设计及其物联网应用[J];计算机工程;2011年18期

2 谢晓佳;程丽君;王勇;;基于Zigbee网络平台的井下人员跟踪定位系统[J];煤炭学报;2007年08期

  本文关键词：基于物联网网关的智能家居系统室内定位技术研究，由笔耕文化传播整理发布。

本文编号：428641