基于RSSI的室内位置指纹定位算法研究

发布时间：2020-11-17 14:23

　　 随着物联网技术的发展和普及,基于物理位置的各项服务展现了广阔的市场前景,例如,紧急救助、医疗保健、定位导航等。然而传统的蓝牙、红外线、传感器等室内定位技术,由于对硬件和软件要求高,阻碍了这些技术在实际的室内定位场景中的应用。随着无线网络的快速普及,为室内定位提供了新的研究思路,采用无线信号中的接收信号强度指示(Received Signal Strength Indication,RSSI)的室内定位技术只需借助无线网络资源便可实现精准的室内定位,显著缩减了部署成本,因此在现实应用中具有明显优势。本文对基于RSSI的室内位置指纹技术定位方法进行研究分析,提出了一种基于高斯混合模型和改进K近邻的位置指纹定位算法GMM-DWKNN,主要工作如下:首先根据无线网络中的接受信号强度指示,在室内位置指纹定位离线阶段采集指纹信息构建指纹库,为了加快定位速度提高时效性,对指纹库进行聚类处理形成指纹簇。然而,考虑到现有的K-means聚类算法只能处理分布为凸型的数据集,对非凸形的数据则比较难收敛甚至不可聚类,针对此问题,本文采用高斯混合模型的聚类算法对参考点的指纹信息进行聚类,其聚类过程中给出的是该指纹属于某一个簇的概率,并最终将参考点归入概率较大的簇中,相较于K-means等聚类算法更具有一般性,可以得到更好的聚类效果。其次在室内位置指纹定位在线阶段,将在待定位目标处采集的指纹信息跟指纹库中指纹信息进行匹配,结合相应的定位算法实现对待定位目标物理位置的估计。然而,常用于室内定位的K近邻定位算法没有充分考虑到实际定位过程中不同参考点的指纹信息贡献程度不同,而本文提出的DWKNN定位算法根据不同参考点的贡献程度不同赋予其不同的权重信息,从而实现了定位精度的提高。最后将GMM-DWKNN算法应用到位置指纹模型中进行室内定位实验,实验结果表明,在同等实验条件未增加其他开销的基础上,与位置指纹模型原有的定位算法相比能够在实时定位阶段提高定位精度,有效的降低了定位误差。
【学位单位】：太原理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN92
【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容及主要工作
    1.4 论文组织结构
第二章 室内定位相关技术和算法
    2.1 室内定位相关技术
    2.2 室内定位相关算法
        2.2.1 基于测距的室内定位算法
        2.2.2 基于位置指纹的室内定位算法
    2.3 结合其他信号信息的位置指纹定位
    2.4 本章小结
第三章 基于高斯混合模型构建RSSI指纹库
    3.1 引言
    3.2 RSSI信号分析
    3.3 聚类算法
        3.3.1 K-means聚类
        3.3.2 高斯混合模型（Gaussian mixture model,GMM）
    3.4 基于高斯混合模型聚类算法构建RSSI指纹库
    3.5 本章小结
第四章 基于离散系数改进的K近邻定位算法
    4.1 引言
    4.2 位置指纹定位算法
        4.2.1 朴素贝叶斯定位算法
        4.2.2 神经网络定位算法
        4.2.3 最近邻定位算法
    4.3 基于离散系数的加权K近邻定位算法
        4.3.1 K近邻定位算法
        4.3.2 离散系数加权K近邻（DWKNN）定位算法
    4.4 本章小结
第五章 实验结果与分析
    5.1 实验环境与配置
        5.1.1 RSSI信号采集
        5.1.2 室内定位环境
    5.2 GMM算法构建指纹库
        5.2.1 指纹库中指纹簇个数的确定
        5.2.2 指纹库聚类结果
    5.3 GMM-DWKNN定位算法结果分析
    5.4 不同定位算法分析比较
        5.4.1 定位误差对比
        5.4.2 累积误差分布对比
    5.5 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 未来研究方向
参考文献
致谢
攻读硕士学位期间发表的论文

【相似文献】

相关期刊论文 前10条

1 张静;叶小芹;;RSSI信号的滤波分析及仿真[J];电子设计工程;2017年02期

2 孙建领;张宏钦;;基于RSSI和遗传算法的无线定位方法及其实现[J];无线互联科技;2017年10期

3 蔡燕;陈华;;基于RSSI比例系数的加权质心定位算法[J];现代职业教育;2017年13期

4 王鹏;施伟斌;孙凤;;基于RSSI值的室内定位系统算法研究[J];数据通信;2014年02期

5 雷倩倩;林敏;石寅;;A CMOS low power,process/temperature variation tolerant RSSI with an integrated AGC loop[J];Journal of Semiconductors;2013年03期

6 邱嘉寅;赖晓彬;;移动通信交叉调制对RSSI值的影响[J];数字通信世界;2013年03期

7 李金昭;刘炳;;CDMA网络RSSI异常问题的排查及处理方法[J];科技创新导报;2011年27期

8 陈文基;;CDMA网络RSSI问题分析与对策[J];移动通信;2011年22期

9 罗阳倩子;廖威;;基于粒子滤波的RSSI测距优化的牛顿定位算法[J];仪表技术与传感器;2017年06期

10 李伟;兰萍;李万民;;基于RSSI测距的室内环境定位技术[J];电脑知识与技术;2017年29期

相关博士学位论文 前10条

1 杜谨泽;基于RSSI的无线传感器网络节点定位算法研究[D];兰州大学;2018年

2 刘克强;基于室内位置与多维情境的人类活动识别方法研究[D];中国矿业大学;2017年

3 刘贞;基于无线传感器网络的机器人分布式导航方法研究[D];哈尔滨工业大学;2009年

4 田金鹏;无线传感器网络节点定位技术研究[D];上海大学;2009年

5 田小平;无线电层析成像人体目标定位关键技术研究[D];北京理工大学;2014年

6 徐学永;面向应用的无线传感网络定位问题研究[D];中国科学技术大学;2011年

7 史永;空间场景约束的室内定位方法研究[D];南京师范大学;2016年

8 李娟;无线传感器网络节点定位算法及能量高效路由协议的研究[D];吉林大学;2009年

9 邢天璋;室外环境下WSN被动式目标定位方法研究[D];西北大学;2015年

10 詹杰;无线传感网络定位与追踪技术及其安全策略研究[D];湖南大学;2011年

相关硕士学位论文 前10条

1 李晶;基于自适应矢量粒子滤波的多源融合定位算法研究与实现[D];北京邮电大学;2019年

2 姚喆;基于RSSI与CSI的定位技术研究[D];北京邮电大学;2019年

3 王艺浓;基于RSSI无线局域网络室内定位技术的研究[D];山东工商学院;2019年

4 张颖;基于RSSI的室内位置指纹定位算法研究[D];太原理工大学;2019年

5 刘旭明;基于RSSI的室内指纹地图定位算法研究[D];中北大学;2019年

6 李世鹏;基于RSSI概率分布的室内定位技术的研究与实现[D];东北师范大学;2019年

7 李娜;基于RSSI的无线传感器网络节点定位误差优化方法研究[D];东北电力大学;2019年

8 孙悦;基于DV-HOP和RSSI算法的井下人员定位研究[D];吉林大学;2018年

9 蔡亚明;基于RFID的动车组部件监测系统研究[D];长沙理工大学;2017年

10 张汉湘;基于RSSI的无线传感器网络质心定位算法研究[D];湖南大学;2016年

本文编号：2887609