基于改进近邻传播算法的分区聚类室内定位方法研究

发布时间：2020-06-06 16:52

【摘要】：随着信息技术的进步以及普适计算的发展,人们对于基于位置的应用程序以及服务的需求日益增长,例如在室内环境下进行准确定位或在建筑物内对人或物品进行实时跟踪等。根据目标定位环境可将定位分为室外定位、室内定位以及混合定位等。全球导航卫星系统(GNSS)是室外环境中最成功的定位系统之一。然而,卫星信号在封闭结构中易受阻碍,使得全球导航卫星系统难以进行精确的室内位置估计和室内导航。近年来,国内外学者针对终端用户实际应用需求的不同,开发了许多不同的室内定位方案。现有的室内定位方案在定位精度、覆盖范围、位置更新的频率以及安装和维护等方面各有不同。在现有的室内定位方案中,基于WiFi的室内定位技术在人们的生产生活中得到了广泛应用。本文在分析了现有室内定位技术的基础上,针对基于WiFi的位置指纹定位技术进行了研究。在深入分析了RSS信号分布特性的基础上提出了基于RSS信号变化率的子区域划分算法(RSSCR)以及改进的AP近邻传播算法(IAP)。本文的主要研究内容与创新点如下:(1)对现有室内定位系统以及定位技术进行了总结。从发展历史、研究现状、定位精度、定位成本以及部署难度等方面对现有定位系统与定位技术进行了对比分析;对基于WiFi的室内定位技术与定位系统进行了介绍,并对现有WiFi室内定位技术存在的缺陷进行了分析,最后针对基于WiFi的位置指纹定位技术进行了深入研究。(2)RSS信号极易受复杂室内环境的影响,同一位置处的RSS信号值存在随机性,本文对使用均值滤波、中值滤波以及高斯滤波算法进行数据预处理的结果进行了对比分析,并选择高斯滤波算法在离线阶段对RSS信号值进行预处理。(3)针对在线定位阶段数据搜索量大、搜索效率低的问题提出在离线定位阶段对待定位区域进行子区域划分的思想。传统的网格划分法在进行子区域划分时未考虑RSS信号的区域分布特性的问题,针对该问题本文提出基于RSS信号变化率的子区域划分法对待定位区域进行粗略划分;将粗略划分后的参考点作为训练集使用SVM算法进行学习,使用学习后的模型进一步对孤点进行详细划分。(4)在传统的近邻传播算法的基础上,提出了改进的AP近邻传播算法。传统的AP近邻传播算法使用欧式距离构建相似度矩阵,然而欧式距离在计算参考点在信号空间的距离时各分量权重相同,不能充分反映各AP分量在不同子区域内的分布特性,针对该问题提出参数化相似度矩阵计算,根据各AP在不同子区域内的贡献度分配不同的权重;考虑到数据点密度对其成为聚类中心的影响,使用各子区域内参考点周围的数据密度对相似度矩阵中的preference值的设定进行了改进,离线阶段在各子区域内使用改进后的AP近邻传播算法进行自适应聚类。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN92;TP311.13

【相似文献】