本文關(guān)鍵詞：基于FM的定位技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)和無線通信技術(shù)的的高速發(fā)展和智能移動設(shè)備的普及,各種各樣的面向移動設(shè)備的應(yīng)用和服務(wù)相繼出現(xiàn),其中基于位置服務(wù)的應(yīng)用正逐漸走入人們的生活中并發(fā)揮重要作用。無線定位技術(shù)作為位置服務(wù)的核心技術(shù),是人們關(guān)注的熱點和難點。本文主要針對現(xiàn)有定位技術(shù)信號覆蓋范圍不廣或者需要昂貴的硬件設(shè)備的缺點,提出采用調(diào)頻廣播實現(xiàn)對室內(nèi)目標(biāo)的定位,并將FM與Wi-Fi有效融合,發(fā)揮不同種類信號的優(yōu)勢,以獲得更好的定位性能。本文通過對FM以及FM融合Wi-Fi的定位技術(shù)研究,獲得如下成果和創(chuàng)新內(nèi)容。首先,針對調(diào)頻廣播信號的特性,提出一種基于調(diào)頻廣播信號指紋定位的方法,采用貝葉斯概率算法計算最大后驗概率的方法得到相應(yīng)的定位結(jié)果。同時,通過在實際環(huán)境中測得的位置指紋數(shù)據(jù),從定位的角度分析FM信號的基本特性。這些特性包括設(shè)備可接收到電臺的數(shù)量、FM信號概率分布、信號強(qiáng)度與位置的映射關(guān)系、天線對信號強(qiáng)度的影響、人在室內(nèi)活動對信號強(qiáng)度的影響、樣本容量對信號強(qiáng)度的影響。其次,通過對FM定位誤差較大的問題的研究發(fā)現(xiàn),FM信號存在信號強(qiáng)度會隨時間的變化發(fā)生遷移,訓(xùn)練模型和定位數(shù)據(jù)不在同一時間段時,定位性能下降明顯。本文針對FM信號動態(tài)變化對定位性能產(chǎn)生較大影響的問題,提出了動態(tài)射頻指紋的FM定位方法。該方法采用多元線性回歸和神經(jīng)網(wǎng)絡(luò)方法,根據(jù)離線階段各個參考點和部分較準(zhǔn)點的FM信號強(qiáng)度的關(guān)系,使用在線階段較準(zhǔn)點的信號強(qiáng)度實時估計在線階段參考點的信號強(qiáng)度。通過這兩種方法建立具有自適應(yīng)能力的動態(tài)射頻地圖,并使用貝葉斯概率方法對目標(biāo)進(jìn)行定位。實驗結(jié)果表明,相對靜態(tài)射頻指紋模型,采用多元線性回歸的射頻指紋動態(tài)映射模型,定位誤差平均減少9.1%,采用神經(jīng)網(wǎng)絡(luò)的射頻指紋動態(tài)映射模型,定位誤差平均減少36.3%。神經(jīng)網(wǎng)絡(luò)的方法比多元線性回歸模型更有效地抑制了射頻信號動態(tài)變化對定位性能的影響。最后,本文結(jié)合FM和Wi-Fi的優(yōu)點,用多模融合的定位方法將兩者有效融合,提出一種FM和Wi-Fi融合定位方法。該多模定位方法比單一的FM或者Wi-Fi的的定位精度都要高,在一定程度上彌補(bǔ)了Wi-Fi定位系統(tǒng)的缺陷。
【關(guān)鍵詞】：調(diào)頻廣播 動態(tài)射頻地圖 多元線性回歸 神經(jīng)網(wǎng)絡(luò) 貝葉斯 Wi-Fi定位 多模融合
【學(xué)位授予單位】：湘潭大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN92;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-14
• 1.1 背景和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢10-11
• 1.2.1 FM室外定位技術(shù)10-11
• 1.2.2 FM室內(nèi)定位技術(shù)11
• 1.3 研究內(nèi)容和成果11-13
• 1.4 論文的組織13-14
• 第2章 典型定位系統(tǒng)與技術(shù)14-22
• 2.1 典型定位算法14-18
• 2.1.1 基于方向的定位算法14-15
• 2.1.2 基于時間的定位算法15-16
• 2.1.3 基于信號屬性的定位算法16-18
• 2.1.4 定位算法比較18
• 2.2 典型定位系統(tǒng)18-22
• 2.2.1 基于Wi-Fi的定位系統(tǒng)18-19
• 2.2.2 蜂窩網(wǎng)定位系統(tǒng)19-20
• 2.2.3 超寬帶定位系統(tǒng)20-21
• 2.2.4 其它定位系統(tǒng)21
• 2.2.5 定位系統(tǒng)比較21-22
• 第3章 基于調(diào)頻廣播的定位方法研究22-37
• 3.1 FM信號特點22-23
• 3.2 FM室內(nèi)指紋定位方法研究23-25
• 3.2.1 位置指紋定位方法簡介23-24
• 3.2.2 基于貝葉斯概率的調(diào)頻指紋定位方法24-25
• 3.3 實驗環(huán)境及測試工具25-27
• 3.4 FM統(tǒng)計特征分析27-34
• 3.4.1 設(shè)備可接收到電臺調(diào)查27-28
• 3.4.2 FM概率分布28
• 3.4.3 RSSI與位置關(guān)系28-30
• 3.4.4 天線對信號的影響30-31
• 3.4.5 不同方向?qū)π盘柕挠绊?/span>31-32
• 3.4.6 人對信號的影響32-33
• 3.4.7 樣本容量對信號分布的影響33-34
• 3.5 實驗效果分析34-36
• 3.5.1 數(shù)據(jù)預(yù)處理34-35
• 3.5.2 定位效果分析35-36
• 3.6 本章小結(jié)36-37
• 第4章 調(diào)頻廣播定位誤差校準(zhǔn)研究37-46
• 4.1 影響定位精度的因素37-40
• 4.1.1 FM電臺數(shù)量對定位性能的影響37-38
• 4.1.2 網(wǎng)格大小對定位性能的影響38-39
• 4.1.3 RSSI時間遷移性39-40
• 4.2 動態(tài)射頻地圖的構(gòu)建40-43
• 4.2.1 線性映射預(yù)測模型41-42
• 4.2.2 神經(jīng)網(wǎng)絡(luò)預(yù)測模型42-43
• 4.3 基于動態(tài)射頻地圖的定位方法43-44
• 4.3.1 框架介紹43
• 4.3.2 定位過程43-44
• 4.4 動態(tài)地圖定位效果分析44-45
• 4.5 本章小結(jié)45-46
• 第5章 FM和Wi-Fi融合定位方法46-54
• 5.1 多模定位模型46
• 5.2 定位基本流程分析46-48
• 5.3 系統(tǒng)結(jié)構(gòu)框圖48-49
• 5.4 采樣器的設(shè)計49-51
• 5.5 部分仿真算法設(shè)計51-52
• 5.6 定位效果對比分析52-53
• 5.7 本章小節(jié)53-54
• 第6章 總結(jié)與展望54-57
• 6.1 本文工作總結(jié)54-55
• 6.2 下一步研究計劃55-57
• 參考文獻(xiàn)57-61
• 致謝61-62
• 附錄A（攻讀碩士期間投發(fā)論文及成果展示）62

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 桑楠;袁興中;周瑞;;基于SVM分類和回歸的WiFi室內(nèi)定位方法[J];計算機(jī)應(yīng)用研究;2014年06期

  本文關(guān)鍵詞：基于FM的定位技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：317828