基于移动终端的室内定位算法研究

发布时间：2017-09-05 15:29

  本文关键词：基于移动终端的室内定位算法研究

  更多相关文章： 室内定位 Wi-Fi 移动终端 位置指纹 最近邻分类

【摘要】：位基服务(LBS, Location-Based Service),一直以来是一个研究热点问题。随着移动互联网的迅猛发展,近几年来,智能移动终端越来越多地出现在人们的工作和生活中,扮演着举足轻重的角色,而作为位置服务基础功能之一的定位功能,也渐渐受到人们的关注和青睐。尽管卫星定位系统,作为一种成熟应用的定位技术,在广阔的室外良好环境中,能够为用户提供精确的位置服务信息。但人们的需求已经不再满足于室外,更多的关注点在于室内区域,而卫星信号由于不具有穿透建筑的特性,在室内已经无法提供定位服务了。智能移动终端作为当今人们不可或缺的通信娱乐工具,尤其是各种功能类型的手机、平板和可穿戴设备层出不穷,已经为人们提供了很大的便利,满足了人们的精神物质生活。这些设备普遍具有Wi-Fi(Wireless-Fidelity)通信模块,而在当今社会,超市、公司、学校等各种场所Wi-Fi网络覆盖率起来越高,Wi-Fi热点随处可见,基于移动终端的Wi-Fi室内定位具有良好的研究基础和广泛的应用前景。而本文正是针对基于移动终端的Wi-Fi室内定位进行了比较深入的研究探讨,论文的主要工作如下：(1)分析了室内外定位技术的研究背景和现状以及典型定位方法；对iOS和Android在移动终端平台系统架构、开发语言及Wi-Fi类库方面进行了对比,分析了选取Android作为研究终端的缘由所在,确定了基于移动终端的Wi-Fi室内定位的方案；并对本文中选用的最近邻分类算法进行了研究。(2)在Wi-Fi室内定位算法模型设计中,针对基于传播模型的定位算法在测距阶段,由于信号受各种因素的影响,待测点因测距不准确引起的各种易于定位和不易定位的细节问题,探讨了三边定位算法和线性回归模型的估计算法两种解决方案；又重点针对位置指纹算法从离线采集阶段和在线定位阶段两方面进行了相关细节的研究工作：离线采集阶段探讨了定位区域的划分问题、位置度量指标的建立过程、Wi-Fi信号强度信息如何获取的问题、以及位置指纹数据的生成和指纹数据库如何构建；在线定位阶段,探讨了位置指纹之间的相异度量指标、基于确定型的匹配算法和基于概率型的匹配算法的在构建指纹上不同之处以及基于示例的KNN(K-Nearest-Neighbor-Classifier)算法的流程。然后对两种算法模型进行了比较分析,选择了鲁棒性好并且易于在移动终端中实现的位置指纹定位算法模型。(3)在位置指纹算法改进工作中,本文先对RSSI(Received Signal StrengthIndicator)原始数据提出了截尾均值法、中位数法、筛选后均值法三种不同处理方法,目的在于通过数据预处理使得位置指纹数据更加有效可靠,从而提高定位精度。又对最近邻分类算法提出了三种不同的改进策略：基于距离加权、基于余弦相似性度量和对两者折衷的平衡联合度量,并在实验仿真中具体分别分析了传统的KNN算法和三种改进策略算法的定位结果和误差：最后对以上四种算法在不同k的取值下的定位误差进行了对比,验证了三种改进策略算法的有效性,以及联合度量算法的平滑性和稳定性。
【关键词】：室内定位 Wi-Fi 移动终端 位置指纹 最近邻分类
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN92
【目录】：

• 摘要5-7
• Abstract7-11
• 第—章 绪论11-18
• 1.1 研究背景和意义11-12
• 1.2 国内外研究现状12-16
• 1.2.1 室外定位发展现状12-13
• 1.2.2 室内定位研究现状13-15
• 1.2.3 移动终端发展现状15-16
• 1.3 论文的研究内容16
• 1.4 论文的结构安排16-18
• 第二章 相关理论与知识研究18-27
• 2.1 典型室内定位方法18-21
• 2.1.1 TOA定位法18-19
• 2.1.2 AOA定位法19-20
• 2.1.3 TDOA定位法20-21
• 2.1.4 RSSI定位法21
• 2.2 移动终端平台概述21-24
• 2.2.1 iOS系统架构21-22
• 2.2.2 Android系统架构22-23
• 2.2.3 开发语言对比23
• 2.2.4 移动终端的选择23-24
• 2.3 最近邻分类算法24-25
• 2.3.1 最近邻分类思想24-25
• 2.3.2 最近邻分类算法流程25
• 2.4 本章小结25-27
• 第三章 Wi-Fi的室内定位算法设计27-41
• 3.1 Wi-Fi室内定位总体架构27-28
• 3.2 Wi-Fi室内定位算法模型28-40
• 3.2.1 基于中心点的算法28-29
• 3.2.2 基于传播模型的算法29-35
• 3.2.3 位置指纹算法35-40
• 3.3 Wi-Fi室内定位算法的选择40
• 3.4 本章小结40-41
• 第四章 位置指纹算法的改进41-55
• 4.1 RSSI数据的预处理41-44
• 4.2 KNN算法的改进44-47
• 4.2.1 基于距离加权的改进算法44-45
• 4.2.2 基于余弦相似性的改进算法45-47
• 4.2.3 平衡联合度量的改进算法47
• 4.3 仿真实验与分析47-53
• 4.3.1 指纹定位环境47-48
• 4.3.2 位置指纹采集48-50
• 4.3.3 定位结果仿真50-53
• 4.4 本章小结53-55
• 第五章 总结与展望55-57
• 5.1 论文总结55-56
• 5.2 工作展望56-57
• 参考文献57-61
• 攻读硕士学位期间参与的项目和科研成果61-62
• 致谢62

【参考文献】

中国期刊全文数据库 前10条

1 刘春保;;2015年全球导航卫星发展回顾[J];国际太空;2016年02期

2 施竣严;秦小麟;王宁;;基于梯度博弈的RFID室内定位算法[J];计算机科学;2015年11期

3 石含梅;;基于4G环境的移动互联网发展[J];信息通信;2015年05期

4 肖征荣;张丽云;;智能穿戴设备技术及其发展趋势[J];移动通信;2015年05期

5 潘娟;袁广翔;;移动智能终端安全威胁及应对措施[J];移动通信;2015年05期

6 曹始亮;许可;宋美娜;;基于Wi-Fi指纹的移动考勤系统设计与实现[J];软件;2014年10期

7 卢光明;;多传感器融合定位技术研究进展分析[J];科技广场;2014年10期

8 陈河军;何熊熊;丁海强;欧县华;;基于RSSI动态路径损耗的定位算法[J];杭州电子科技大学学报;2014年02期

9 王泰华;张艳明;;煤矿井下超宽带脉冲电路的设计和仿真[J];煤矿机电;2013年06期

10 曹世华;;室内定位技术和系统的研究进展[J];计算机系统应用;2013年09期

，

本文编号：798780