室内WLAN半监督指纹定位数据库自适应构建方法

发布时间：2017-08-15 11:15

  本文关键词：室内WLAN半监督指纹定位数据库自适应构建方法

  更多相关文章： WLAN室内定位 半监督指纹定位数据库 协同训练算法 径向基函数插值

【摘要】：基于无线局域网络(Wireless Local Area Networks,WLAN)的室内指纹定位技术利用当前已经在室内广泛部署的WLAN网络和智能移动设备进行定位,无需额外硬件开销,并且具有免费的工作频段和较高的定位精度,因此在室内环境中应用较广。然而该算法在离线阶段构建指纹定位数据库所需人力物力和时间成本较高,因此在保证定位精度的情况下,降低指纹定位数据库的构建成本具有重大的现实意义。本文通过用户协作采集无标签指纹样本,设计了一种半监督指纹定位数据库构建方案,该方案极大地降低了离线阶段的采集工作量,并保证了较高的定位精度。本文的主要研究内容如下:首先,为了解决人工采集的指纹样本中位置标签数目较少的问题,本文设计了一种标签数据库的自适应构建方案,可以适用于回馈点位置随机分布的条件。在分析了室内WLAN信号传播特性的基础上,针对WLAN信号的散乱特性,将径向基函数插值应用于非回馈点处接收信号强度值的估计,同时将不同插值算法构建的标签数据库的定位性能进行仿真对比,验证了本文算法的有效性。其次,由于用户协作采集的无标签指纹样本数量较多,区域分布较广,本文研究了一种无标签样本的预处理方法。即通过Isomap降维和Clara聚类算法,挖掘无标签样本的隐藏特征,缩小其所属区域范围,不但为后面分类器的训练提供了方便,而且提高了位置标签的标记准确度。最后,在完成标签数据库自适应构建的基础上,给出了一种基于Co-training算法的半监督指纹定位数据库构建方案。该算法通过在不断更新的标签数据库中提取充分冗余视图和训练分类器,对无标签样本进行位置标记,最终形成半监督指纹定位数据库。实验结果表明本文构建的半监督指纹定位数据库的定位性能较好,3m内累积误差概率较回馈点数据库提升了15.47%。
【关键词】：WLAN室内定位 半监督指纹定位数据库 协同训练算法 径向基函数插值
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN925.93;TP311.13
【目录】：

• 摘要3-4
• ABSTRACT4-11
• 注释表11-12
• 第1章 绪论12-20
• 1.1 研究背景和意义12-14
• 1.1.1 研究背景12-13
• 1.1.2 研究意义13-14
• 1.2 国内外研究现状14-18
• 1.2.1 WLAN室内定位技术研究现状14-15
• 1.2.2 WLAN指纹定位数据库构建研究现状15-17
• 1.2.3 WLAN定位中半监督学习方法研究现状17-18
• 1.3 本文的主要工作及内容安排18-20
• 第2章 基于半监督协同训练的WLAN室内定位系统20-34
• 2.1 引言20
• 2.2 半监督协同训练算法及应用20-26
• 2.2.1 典型半监督协同训练算法20-25
• 2.2.2 半监督协同训练算法的应用25-26
• 2.3 WLAN定位系统架构及原理26-28
• 2.3.1 WLAN定位系统架构26-27
• 2.3.2 WLAN定位系统原理27-28
• 2.4 WLAN指纹定位数据库构建方法28-32
• 2.4.1 逐点采集法29-30
• 2.4.2 传播模型法30-31
• 2.4.3 空间相关法31-32
• 2.4.4 众包协作法32
• 2.5 本章小结32-34
• 第3章 WLAN标签数据库自适应构建方法34-49
• 3.1 引言34-35
• 3.2 径向基函数网络构造35-37
• 3.2.1 径向基插值模型35-36
• 3.2.2 径向基核函数36-37
• 3.3 基于径向基插值的标签数据库自适应构建37-40
• 3.3.1 截止区定义37-38
• 3.3.2 标签数据库自适应构建38-39
• 3.3.3 基于径向基插值的非回馈点RSS估计39-40
• 3.4 实验仿真及结果分析40-48
• 3.4.1 实验环境与数据采集40-41
• 3.4.2 截止区半径与回馈点数目分析41-45
• 3.4.3 算法性能对比分析45-48
• 3.5 本章小结48-49
• 第4章 基于标签数据的WLAN半监督指纹定位数据库构建方法49-65
• 4.1 引言49
• 4.2 半监督指纹定位数据库构建方法49-51
• 4.3 无标签样本预处理51-55
• 4.3.1 Isomap降维处理51-53
• 4.3.2 Clara聚类53-54
• 4.3.3 无标签样本的区域匹配54-55
• 4.4 利用Co-training算法构建半监督指纹定位数据库55-57
• 4.4.1 充分冗余视图提取及分类器训练55-56
• 4.4.2 置信度计算56-57
• 4.5 实验仿真及结果分析57-64
• 4.5.1 数据采集57-58
• 4.5.2 无标签样本预处理结果分析58-61
• 4.5.3 半监督指纹定位数据库构建结果分析61-64
• 4.6 本章小结64-65
• 第5章 总结与展望65-67
• 5.1 主要工作及创新点65-66
• 5.2 后续研究工作66-67
• 参考文献67-72
• 致谢72-73
• 攻读硕士学位期间从事的科研工作及取得的成果73

【参考文献】

中国期刊全文数据库 前8条

1 吴东金;夏林元;;面向室内WLAN定位的动态自适应模型[J];测绘学报;2015年12期

2 吕娟;刘纪伟;;移动定位技术研究[J];计算机光盘软件与应用;2014年14期

3 夏颖;马琳;张中兆;周才发;;基于半监督流形学习的WLAN室内定位算法[J];系统工程与电子技术;2014年07期

4 张维;李文涛;;一种基于位置指纹的室内WLAN定位方法[J];信息技术;2013年07期

5 梁吉业;高嘉伟;常瑜;;半监督学习研究进展[J];山西大学学报(自然科学版);2009年04期

6 李伟;胡丛玮;;GPS软件接收机信号特征分析[J];测绘信息与工程;2008年05期

7 唐文胜;李姗;匡旺秋;;RF室内定位指纹库空间相关生成算法[J];计算机工程与应用;2008年23期

8 郎昕培;许可;赵明;;基于无线局域网的位置定位技术研究和发展[J];计算机科学;2006年06期

，

本文编号：677839