基于GF-KF修正RSSI的室内指纹定位方法

发布时间：2024-12-27 07:14

　　 针对Wi-Fi信号易受噪声等外界不确定因素的影响以及移动终端接收信号强度指示(RSSI)与真实值存在偏差而导致定位精度不高的问题,本文提出了一种基于GF-KF修正RSSI的室内指纹定位方法.由于采集的RSSI不稳定,该方法利用RSSI类高斯分布的特性,对RSSI数据进行高斯拟合,以得到较为确定的RSSI值.在此基础上,引入卡尔曼滤波算法对拟合后的RSSI数据进行误差修正,结合加权K近邻(WKNN)匹配算法进行定位.实验结果表明:本文方法的平均定位误差为1.5 m,2.0 m以内的误差累积分布概率为90.06%,定位效果优于同类方法.

【文章页数】：9 页

【部分图文】：

图1 Wi-Fi指纹定位流程图

Wi-Fi指纹定位方法包括两个阶段:离线阶段和在线阶段[20].离线阶段主要是测试人员通过在建立好的定位场景采集定位区域各参考点来自周围不同AP的RSSI,并结合物理位置组成具有唯一映射关系的位置指纹向量,从而进一步构建定位区域的离线指纹数据库.在线阶段主要是测试人员手持智能移动....

图2 固定AP的RSSI分布情况

本文方法是通过KF算法修正RSSI,其前提是RSSI分布特性必须符合高斯分布.高斯分布又称为正态分布,是用来描述概率分布服从均值为μ和方差为σ2的一组随机数据.理想情况下,不同地点的RSSI是不同的,而同一地点的RSSI是稳定的.因此,RSSI可以用来区分不同位置,成为表征特定位....

图3 改进的室内指纹定位方法流程图

该方法利用RSSI在复杂的室内环境呈现出类高斯分布特性对其进行GF,从而得到较为确定的RSSI值.在此基础上,引入KF算法对拟合后的RSSI数据进行误差修正,使得RSSI值更为接近真实值,从而提高了离线指纹库和在线RSSI向量的质量,结合WKNN进行位置估计来提高定位精度.本文所....

图4 实验区域的平面图

为了验证本文所提方法,在某实验大楼中的空旷教室选取10m×6m的区域作为实验区域,将中间6m×4m的区域作为定位区域.根据实验的具体要求,对实验区域进行环境部署,部署的平面图如图4所示.该实验所用的AP为苏州汉明科技有限公司生产的型号为Howay2000Q87,信号采集设....

本文编号：4021328