基于聚类分析的BLE室内指纹定位算法研究

发布时间：2023-03-19 15:57

　　室内定位技术随着科学技术的进步而迅速发展,人们位置信息的需求也愈发强烈。室内定位技术主要有射频识别技术、Wi-Fi技术、红外线技术、超宽带技术、蓝牙技术、可见光技术等,定位方法则分为几何测量法、近似法、位置指纹法等。本文采取了相对于其他方法更有优势的位置指纹法,定位技术则选择了新兴的低功耗蓝牙技术,该技术低成本,寿命较长,同时拥有较低功耗,在部署上也更加简单易行,并且可以提供持久稳定的信号传输。位置指纹法分为两个阶段:离线建库阶段和在线定位阶段。离线建库阶段主要建立指纹数据库,也称作无线电地图。离线建库阶段通常需要使用聚类算法对数据集合进行聚类处理,常用的聚类算法有K-means算法等。本文对聚类算法中k个初始点的选择进行了优化,通过不断二分聚类直到簇的个数满足要求,最终将各簇的质心作为初始点,同时通过手肘法科学的确定聚类数。在线定位阶段主要就是将待测点实时采集到的指纹信息去和指纹库中的数据进行指纹匹配。本文对在线定位阶段使用的WKNN算法进行了优化,提出了一种新的基于RSS并且结合一定补偿机制的分类模型,避免分类错误导致的定位误差;同时在权重值的选择上比较了推导的物理距离和曼哈顿距离...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 论文背景及研究的目的和意义
    1.2 国内外研究现状
    1.3 本文主要内容及论文结构
第2章 BLE室内指纹定位理论基础
    2.1 低功耗蓝牙与iBeacon协议
        2.1.1 低功耗蓝牙技术
        2.1.2 iBeacon协议
    2.2 室内定位方法研究
        2.2.1 几何测量法
        2.2.2 位置指纹定位
        2.2.3 不同定位方法比较
    2.3 聚类算法原理
        2.3.1 K-means聚类算法
        2.3.2 FCM算法
    2.4 分类算法原理
        2.4.1 NN算法
        2.4.2 KNN算法
        2.4.3 WKNN算法
    2.5 本章小结
第3章 室内指纹定位的算法优化
    3.1 K-means算法的优化
        3.1.1 聚类数目选取的优化
        3.1.2 初始点选择的优化
    3.2 WKNN定位算法的优化
        3.2.1 优化分类模型
        3.2.2 自适应权重值选取
    3.3 本章小结
第4章 室内指纹定位实验与结果分析
    4.1 实验环境与实验设备
    4.2 无线电地图的创建
    4.3 定位效果的衡量标准
    4.4 聚类数目的选择
    4.5 聚类算法对定位效果的影响分析
    4.6 WKNN算法中权重值对定位效果的影响分析
    4.7 不同定位算法定位效果的对比
    4.8 本章小结
结论
参考文献
致谢



本文编号：3765533