本文關(guān)鍵詞：基于WiFi的RSSI指紋定位算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著移動互聯(lián)網(wǎng)的飛速發(fā)展,WiFi網(wǎng)絡(luò)迅速普及,遍布于辦公室、學校、大型商場等各個場所,深入人們的工作、學習和休閑娛樂生活中,為人們提供便捷優(yōu)質(zhì)的網(wǎng)絡(luò)服務(wù)。同時,基于位置的服務(wù)受到廣大用戶的關(guān)注和青睞,而基于WiFi的定位技術(shù),以其部署成本低、容易實現(xiàn)、定位精度高和易于擴展等優(yōu)勢,引起人們的高度關(guān)注,迅速成為室內(nèi)定位技術(shù)的研究熱點。本文通過對基于WiFi室內(nèi)定位技術(shù)研究現(xiàn)狀的分析總結(jié),針對傳統(tǒng)確定性指紋匹配KNN算法需要匹配大量指紋數(shù)據(jù)且定位精度不足的問題,設(shè)計了針對KNN算法的過濾指紋定位算法,改進了定位過程,并設(shè)計實現(xiàn)了過濾指紋定位算法的驗證系統(tǒng),通過實驗方法驗證了改進算法的可行性、有效性和算法性能。本文主要研究工作如下:確定性指紋匹配KNN算法,通過匹配在定位點上測量得到的各個AP的信號強度與指紋參考點的信號強度的歐式距離,選擇距離最小的K個點的質(zhì)心作為定位的估計位置。該算法需要計算指紋庫中每個指紋點與定位點多個AP信號強度的聯(lián)合歐式距離,計算量大,在針對匹配數(shù)據(jù)過大問題的已有研究中,通常引入其他設(shè)備(如Zigebee),利用其信號特征(如Zigbee ID),將指紋庫劃分成小塊,以減少需要匹配的指紋個數(shù)。本文基于過濾、將定位匹配過程分步進行的思想,在不引入其他設(shè)備的情況下,設(shè)計了基于WiFi信號強度自身的過濾方法,在計算聯(lián)合歐式距離之前,設(shè)置單個AP的信號強度有效區(qū)間,將指紋庫中的參考點先過濾,在過濾后的指紋點中再使用KNN算法進行匹配定位,能減少需要匹配的指紋數(shù)量,降低定位延遲。同時,KNN算法使用的是多個AP信號強度的聯(lián)合歐式距離,并不能區(qū)分單個AP中定位點與指紋點信號強度的差距,而改進的過濾算法則從單個AP的角度,對每個AP的信號強度差距做了粗略區(qū)分,增加了K個指紋參考點選取時的準確性,能提高定位精度。過濾指紋定位方法的關(guān)鍵是過濾區(qū)間的選擇,本文通過RSSI信號強度在不同RSSI均值下波動情況的研究,設(shè)計了基于RSSI信號強度值的過濾區(qū)間簡易自適應方法。針對指紋過濾后,剩余指紋個數(shù)不一定滿足KNN算法中K值要求的情況,通過對K值變化對定位精度影響程度的研究,給出了相應的解決方案,即K取值3、4、5、6對定位的影響較小,缺省值K取5,若個數(shù)不足5個則K減小但不小于3。設(shè)計實現(xiàn)了過濾指紋定位算法,并通過實驗結(jié)果分析了算法性能。在實際室內(nèi)Wi Fi環(huán)境中,部署定位AP,采集指紋數(shù)據(jù)庫,隨機選取測試點,通過驗證系統(tǒng),得到定位結(jié)果。通過對測試點的定位誤差結(jié)果的數(shù)據(jù)統(tǒng)計與分析,分析了過濾指紋定位算法的定位性能。實驗結(jié)果表明,相對于KNN定位算法,過濾指紋定位方法在沒有增加時間復雜度的情況下,在定位精度上有了一定程度上的提高,驗證了過濾算法的可行性和有效性。
【關(guān)鍵詞】：WiFi室內(nèi)定位 RSSI指紋定位 指紋過濾 過濾臨界值的自適應調(diào)整
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN92
【目錄】：

• 摘要5-7
• ABSTRACT7-15
• 第一章緒論15-21
• 1.1 論文研究背景15-16
• 1.2 室內(nèi)定位技術(shù)研究現(xiàn)狀16-18
• 1.3 研究意義18-19
• 1.4 研究內(nèi)容和目標19-20
• 1.5 論文結(jié)構(gòu)安排20-21
• 第二章 WiFi室內(nèi)定位技術(shù)概述21-35
• 2.1 WiFi工作模式21-22
• 2.2 基于距離測量的定位方法22-29
• 2.2.1 到達時間法TOA22-23
• 2.2.2 到達時間差法TDOA23-24
• 2.2.3 到達角度法AOA24-25
• 2.2.4 RSSI基于傳播模型的定位技術(shù)25-29
• 2.3 無關(guān)距離的定位方法29-31
• 2.3.1 多邊形幾何質(zhì)心法29-30
• 2.3.2 基于RSSI的指紋定位法30-31
• 2.4 基于RSSI的指紋定位匹配算法31-34
• 2.4.1 NNSS算法31-32
• 2.4.2 KNN算法32-33
• 2.4.3 WKNN算法33
• 2.4.4 樸素貝葉斯算法33-34
• 2.5 本章小結(jié)34-35
• 第三章過濾指紋定位算法35-53
• 3.1 KNN定位算法局限性分析35-36
• 3.2 過濾指紋定位算法設(shè)計36-46
• 3.2.1 過濾指紋定位算法原理37-38
• 3.2.2 RSSI信號強度與距離關(guān)系38-39
• 3.2.3 不同RSSI信號強度均值下RSSI的波動39-43
• 3.2.4 過濾臨界值的自適應調(diào)整43-46
• 3.3 過濾指紋定位過程46-51
• 3.3.1 離線指紋采集處理47
• 3.3.2 指紋過濾47-48
• 3.3.3 位置估計48-51
• 3.4 改進算法與已有指紋算法的區(qū)別51-52
• 3.5 本章小結(jié)52-53
• 第四章過濾指紋定位算法實現(xiàn)與結(jié)果分析53-69
• 4.1 指紋數(shù)據(jù)庫的建立53-60
• 4.1.1 實驗設(shè)備53-54
• 4.1.2 不同終端的影響54
• 4.1.3 實驗區(qū)域及AP部署54-55
• 4.1.4 指紋采集模塊設(shè)計與實現(xiàn)55-58
• 4.1.5 數(shù)據(jù)庫模塊58-60
• 4.2 過濾指紋定位算法設(shè)計實現(xiàn)60-65
• 4.2.1 定位算法模塊61-62
• 4.2.2 指紋讀取模塊62-63
• 4.2.3 過濾區(qū)間自適應模塊63-64
• 4.2.4 誤差分析模塊64-65
• 4.3 測試結(jié)果和性能分析65-68
• 4.3.1 測試結(jié)果65-66
• 4.3.2 算法性能分析66-68
• 4.4 本章小結(jié)68-69
• 第五章總結(jié)與展望69-71
• 5.1 工作總結(jié)69-70
• 5.2 工作展望70-71
• 致謝71-72
• 參考文獻72-75
• 碩士期間取得的研究成果75-76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 楊帆;趙東東;;基于Android平臺的WiFi定位[J];電子測量技術(shù);2012年09期

2 楊小亮;葉阿勇;凌遠景;;基于閾值分類及信號強度加權(quán)的室內(nèi)定位算法[J];計算機應用;2013年10期

3 鄧中亮;余彥培;袁協(xié);萬能;楊磊;;室內(nèi)定位現(xiàn)狀與發(fā)展趨勢研究(英文)[J];中國通信;2013年03期

  本文關(guān)鍵詞：基于WiFi的RSSI指紋定位算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：362656