基于位置指纹的WiFi定位算法研究

发布时间：2017-06-30 12:09

  本文关键词：基于位置指纹的WiFi定位算法研究，由笔耕文化传播整理发布。

【摘要】：WiFi(Wireless Fidelity)技术是一种无线通信技术，具有高传输速率、组网便捷、移动性强的特点。随着物联网时代的到来，位置服务越来越受到关注，在紧急救助、医疗保健、个性化信息传递等领域迸发出了巨大的活力。但是传统的定位技术如GPS（GlobalPositioning System）定位系统，在使用成本和便携性方面不能适用于变化复杂的室内环境。基于WiFi信号的室内定位技术凭借其使用范围广、低成本、便携性等优势成为了室内环境位置感知领域的研究热点。 利用现有的WiFi信号进行室内定位，通常选择接收信号强度RSSI作为定位的特征参数； RSSI定位算法有基于测距和无需测距之分。基于测距的定位算法利用室内传播损耗模型计算距离，对室内模型依赖性比较大；无需测距的定位算法采用位置指纹算法，只需测量RSSI值建立指纹库，每个指纹唯一对应一个位置信息，未知指纹与之匹配即可估计出未知位置的信息，实现简单。 本文研究了位置指纹算法的定位原理，指出了定位过程中可能产生误差的影响因素，并全面深入的分析了误差来源，并指出了现有位置估计算法的局限性。在深入剖析了现有位置指纹算法的不足的基础上，本文提出了一种基于k-means和WKNNSS的位置指纹算法。该算法通过对采集的RSSI值进行多次测量求均值初步建立指纹库，然后利用k-means聚类分析训练指纹库，去除一些相似度非常小的指纹；实测指纹与训练之后的指纹库匹配，提高了指纹库的准确性，并减小了匹配的搜索空间，达到减小指纹库对定位结果的影响。在位置估计阶段，引入新的权重系数的计算法，提高WKNNSS的定位精确度，降低了近邻算法对定位结果的影响。 最后，本文对定位环境中可测的AP信号数目对定位结果的影响，仿真实验证明了改进算法在不增加其他开销的前提下，，与原有位置指纹算法相比，能够有效降低定位误差，其算法性能稳定。
【关键词】：室内定位 位置指纹算法 k-means聚类 WKNNSS算法
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN92
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-19
• 1.1 引言9
• 1.2 WiFi 技术概述9-13
• 1.2.1 WiFi 的标准9-10
• 1.2.2 WiFi 的组网10-12
• 1.2.3 WiFi 的特征12-13
• 1.3 选题背景及意义13-14
• 1.4 国内外研究现状14-16
• 1.5 主要研究内容和章节安排16-19
• 第2章 室内定位技术分析19-33
• 2.1 引言19
• 2.2 WiFi 定位技术概述19-20
• 2.3 室内定位技术分类20-22
• 2.4 基于测距的定位算法22-29
• 2.4.1 基于 TOA 的定位22-23
• 2.4.2 基于 TDOA 的定位23-25
• 2.4.3 基于 RSSI 的定位25-26
• 2.4.4 三边定位法26-27
• 2.4.5 三角定位法27-28
• 2.4.6 最大似然估计法28-29
• 2.5 无需测距的定位算法29-31
• 2.5.1 近似法29-30
• 2.5.2 位置指纹算法30-31
• 2.6 本章小结31-33
• 第3章 位置指纹定位算法研究33-45
• 3.1 引言33-34
• 3.2 位置指纹定位算法原理34-37
• 3.2.1 位置指纹库34-35
• 3.2.2 位置指纹算法的位置估计算法35-37
• 3.3 RSSI 特性分析37-41
• 3.3.1 RSSI 的传播特性37-38
• 3.3.2 RSSI 传播模型分析38-41
• 3.4 误差分析41-43
• 3.4.1 RSSI 误差分析42-43
• 3.4.2 位置估计算法的误差分析43
• 3.5 位置指纹定位算法的性能评价指标43-44
• 3.6 本章小结44-45
• 第4章 基于 k-means 聚类和 WKNNSS 的位置指纹定位算法45-65
• 4.1 引言45-47
• 4.2 基于 k-means 聚类和加权 KNNSS 的位置指纹算法47-55
• 4.2.1 k-means 聚类48
• 4.2.2 基于 k-means 的位置指纹库48-50
• 4.2.3 改进的加权 KNNSS 定位算法50-54
• 4.2.4 算法实现54-55
• 4.3 算法仿真与分析55-64
• 4.3.1 仿真环境设置55-56
• 4.3.2 仿真结果分析56-64
• 4.4 本章小结64-65
• 第5章 全文总结与展望65-67
• 5.1 全文总结65-66
• 5.2 展望66-67
• 参考文献67-71
• 作者简介与科研成果71-73
• 作者简介71
• 攻读硕士学位期间参与的科研项目71-73
• 致谢73-74

【参考文献】

中国期刊全文数据库 前10条

1 王国富;高峰;杨新红;崔莹;;基于超声波的移动机器人多目标探测定位方法[J];北京航空航天大学学报;2011年12期

2 周武;赵春霞;张浩峰;;动态联合最近邻算法[J];电子学报;2010年02期

3 钱志鸿;王义君;;物联网技术与应用研究[J];电子学报;2012年05期

4 常戎;吕善伟;;适用于NLOS传播环境的几何定位方法[J];电子与信息学报;2007年09期

5 徐凤燕;李j宾;王宗欣;;一种新的基于区域划分的距离-损耗模型室内WLAN定位系统[J];电子与信息学报;2008年06期

6 丁锐;钱志鸿;王雪;;基于TOA和DOA联合估计的UWB定位方法[J];电子与信息学报;2010年02期

7 徐玉滨;邓志安;马琳;;基于核直接判别分析和支持向量回归的WLAN室内定位算法[J];电子与信息学报;2011年04期

8 钱志鸿;王义君;;面向物联网的无线传感器网络综述[J];电子与信息学报;2013年01期

9 赵军辉;张雪雪;曾龙基;;提高NLOS环境下室内定位精度的新方法[J];北京邮电大学学报;2012年06期

10 朱明强;侯建军;刘颖;苏军峰;;基于尺度优化IUKF滤波的室内定位估计方法[J];北京邮电大学学报;2013年04期

  本文关键词：基于位置指纹的WiFi定位算法研究，由笔耕文化传播整理发布。

本文编号：501851