基于众包的定位指纹标定方法研究

发布时间：2020-12-19 02:17

　　随着无线网络的高速发展,人们对基于室内位置信息的服务需求与日俱增。而全球定位系统GPS在室内环境中信号微弱,无法提供可靠的服务。目前主流的室内定位系统包括Wi-Fi、可见光、蓝牙、UWB等,其中基于Wi Fi的室内定位因其无需特殊硬件设备且在室内环境中已广泛部署等优势成为研究热点。基于Wi-Fi的指纹式定位主要分为线下建立指纹库和在线定位两个阶段,而其中传统的线下建库无法避免耗费大量的人力物力,同时指纹库因其时效性需要维护更新会再次产生资源浪费。此时,众包模式采集指纹协助指纹库的更新成为一种有效的维护方式。通过用户被动众包的方式使后台服务器获取数量充足且来源广泛的指纹数据,进行指纹标注后利用此标注后的数据更新指纹库,从而可以减轻指纹库的维护成本,提高基于Wi Fi指纹定位的可操作性。本文对众包指纹标定方法进行研究,即如何更精准地对众包方式采集到的Wi-Fi指纹进行位置格点标注。本文对现有的基于半监督朴素贝叶斯的众包指纹标注方法进行改进,分析该方法在指纹数据离散化处理的过程中面临的信息部分损失和区间宽度参数影响过大的问题。提出将朴素贝叶斯方法中的条件概率分布由核概率密度估计取代频率直方图... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
    1.3 主要内容安排和结构安排
第二章 室内定位系统和算法理论基础
    2.1 常见的室内定位系统
        2.1.1 常见室内定位系统简介
        2.1.2 常见室内定位系统比较
    2.2 Wi-Fi定位方法
        2.2.1 基于距离的定位
        2.2.2 基于指纹的定位
        2.2.3 经典众包指纹标定方法
        2.2.4 性能评估标准
    2.3 指纹库有效性分析
    2.4 实验数据采集与分析
        2.4.1 实验数据采集
        2.4.2 室内环境RSS特性分析
    2.5 本章小结
第三章 基于半监督朴素贝叶斯的众包指纹标注方法
    3.1 朴素贝叶斯算法介绍
        3.1.1 众包指纹标记问题描述
        3.1.2 朴素贝叶斯方法原理
    3.2 条件概率估计
        3.2.1 直方图方式
        3.2.2 核概率密度估计
    3.3 基于半监督朴素贝叶斯的众包指纹标注方法流程
    3.4 性能仿真和结果分析
    3.5 本章小结
第四章 基于半监督组合神经网络的众包指纹标注方法
    4.1 神经网络模型
        4.1.1 神经元模型
        4.1.2 网络互连结构
        4.1.3 误差逆传播算法
    4.2 Mean Teacher模型
    4.3 性能仿真和结果分析
    4.4 本章小结
第五章 基于深度度量学习的指纹库更新方法
    5.1 基于相似性的指纹库更新
        5.1.1 位置相似性和指纹相似性分析
        5.1.2 基于相似性的指纹库更新算法流程
    5.2 度量学习
        5.2.1 马氏距离
        5.2.2 欧氏距离
        5.2.3 深度度量学习
    5.3 基于深度度量学习的指纹库更新算法流程
    5.4 性能仿真和结果分析
    5.5 本章小结
第六章 总结与展望
    6.1 论文工作总结
    6.2 下一步工作计划
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：2925062