基于dynFWA-SVM的WiFi室内定位研究

发布时间：2020-12-26 09:14

　　随着飞速发展的移动互联网技术,以及智能移动终端设备的广泛普及,人们对基于位置服务LBS给予了更高的期望和要求。当前,室外环境的定位技术已趋于成熟,而室内环境的定位技术仍处于研究阶段,其中,基于位置指纹匹配的室内定位技术因其成本代价较低、硬件设备简单、定位精度较高等优点,已成为众多室内定位技术中的研究重点。本文针对这一室内定位技术进行了更深入的研究和探索,发现存在如下问题急需改进:不同信号采集设备采集同一位置的RSS指纹存在明显差异;WiFi信号在室内复杂环境传播过程中易受到干扰;采集大数据集位置指纹数据库时需要付出大量的人力成本;定位算法支持向量机SVM在定位面积较大时定位精度较低、耗时较长。针对以上问题本文提出相应的解决方案,论文的主要工作如下:（1）对采集到的WiFi信号进行高斯滤波预处理,并采用信号强度差SSD指纹替代传统的RSS指纹。理论分析发现RSS的值与移动终端的天线增益因子G_MT有关,因此,将同一位置采集到的AP₁的信号强度和AP₂的信号强度做相减运算,从而消除G_MT因子,实验结果证明... 

【文章来源】： 白振东 河北工业大学

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

所采集的信号强度分布图

河北工业大学硕士学位论文23图3.4两款设备的RSS指纹图3.5两款设备的SSD指纹选用上文介绍到的三种滤波分别对已采集得到的180条数据进行滤波处理，并对比其处理过后的效果，其实验结果如图3.6、图3.7和图3.8所示，分别表示高斯滤波处理的效果、均值滤波处理的效果和中值滤波处理的效果，在图中实线代表的是采集到的原数据，虚线代表经滤波处理过后的数据值。图3.6高斯滤波处理效果图

基于dynFWA-SVM的WiFi室内定位研究24图3.7均值滤波处理效果图图3.8中值滤波处理效果图从以上三个图中可以得知，前20次采集到的信号强度波动比较明显，因此对前20次的数据处理中值滤波处理的效果比较良好，但之后的160条信号数据强度上下浮动逐渐趋于平稳，由于中值滤波较适用于信号波动性较大的情况，因此得出结论，中值滤波不适用于WiFi信号的预处理。对比高斯滤波和均值滤波对所采集信号的预处理效果可以看出，二者的区别并不是很大，但考虑到均值滤波在计算的过程中将小概率发生和大干扰的数据也计算在内，终究会对处理的最终结果造成影响，从而影响到最后的定位精度，而高斯滤波则是舍弃高斯分布模型中的小概率和大干扰数据，选取高概率数值对其进行均值处理，因此对比可知，高斯滤波对WiFi信号的处理效果要优于均值滤波和中值滤波的处理效果，因此本文也将采用高斯滤波对位置指纹进行预处理，提高最终的定位精度。3.2空间插值法在指纹定位中的应用随着人们在室内活动的面积快速增长，基于位置指纹定位的算法中除了传统的


本文编号：2939426