融合深度特征和GBDT特征的Wi-Fi室内定位算法研究

发布时间：2024-05-17 03:59

　　随着科学技术的发展,移动设备和无线通信网络被广泛使用,基于位置的服务的需求日益增加。室内和室外定位技术是基于位置的服务的基石。室外定位技术是通过全球卫星定位系统在室外环境中定位目标并且达到较高的定位精度,并广泛应用于车载导航、医疗服务和抢险救援等领域,有着巨大的经济效益和良好的市场前景。然而,对于室内环境而言,墙体、门窗和室内陈设等障碍物的阻挡会严重衰减卫星信号从而导致定位系统感测卫星信号困难,所以室外定位技术并不能应用于室内。现阶段,Wi-Fi(Wireless Fidelity)网络广泛部署于各种场所,手机、平板和笔记本电脑等移动设备大都内嵌Wi-Fi芯片,Wi-Fi定位技术成为室内定位领域最具发展前景的室内定位技术,引起学术界和工业界的广泛关注。但是,受同频干扰、复杂多变的室内环境和移动的人群等众多因素的影响,RSS(Received Signal Strength)信号具有严重的波动性,严重影响室内定位精度,给基于指纹定位算法的Wi-Fi室内定位技术带来诸多问题。本文对基于指纹定位算法的Wi-Fi室内定位技术进行深入的研究,指出影响定位性能的主要问题。针对指纹定位算法存在的不足...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及其意义
    1.2 国内外研究现状
        1.2.1 几种经典的室内定位技术
        1.2.2 基于Wi-Fi的室内定位技术
            1.2.2.1 三角定位法
            1.2.2.2 指纹定位法
    1.3 指纹定位法存在的问题
    1.4 研究内容和组织结构
        1.4.1 研究内容
        1.4.2 主要贡献
        1.4.3 组织结构
第二章 相关理论综述
    2.1 指纹定位算法的原理
    2.2 神经网络
        2.2.1 神经元
        2.2.2 感知器
        2.2.3 多层感知器与BP算法
        2.2.4 深度学习与自编码器
    2.3 树模型
        2.3.1 决策树
        2.3.2 树的集成学习
    2.4 多任务学习
    2.5 本章小结
第三章 基于多任务学习的特征提取算法
    3.1 引言
    3.2 栈式降噪自编码器
    3.3 联合多任务降噪自编码器
        3.3.1 整体框架
        3.3.2 网络结构
        3.3.3 激活函数
        3.3.4 损失函数
    3.4 实验与结果分析
        3.4.1 实验环境
        3.4.2 数据集
        3.4.3 数据预处理
        3.4.4 实验细节
        3.4.5 结果分析
    3.5 本章小结
第四章 基于特征融合的Wi-Fi室内定位算法
    4.1 引言
    4.2 基于GBDT的Wi-Fi室内定位算法
    4.3 基于特征融合的Wi-Fi室内定位算法
        4.3.1 深度特征
        4.3.2 GBDT特征
        4.3.3 融合深度特征和GBDT特征的混合模型
    4.4 实验与结果
        4.4.1 实验环境
        4.4.2 数据集
        4.4.3 数据预处理
        4.4.4 实验细节
        4.4.5 结果分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
附录1 攻读硕士期间参加的科研项目
致谢



本文编号：3975352