本文關鍵詞：基于空間譜群指紋的高精度室內(nèi)定位方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,由于室內(nèi)定位需求的不斷增長,基于無線通信技術的室內(nèi)定位算法引起了人們的廣泛關注。但是由于室內(nèi)環(huán)境比較復雜,接收信號比較容易受到多徑、物體移動等因素的影響,這使得室內(nèi)定位算法的精度和魯棒性都不能達到人們的要求。當前較為常用的一些室內(nèi)定位系統(tǒng),它們要么功能單一、擴展性較差,要么價格較高,難以廣泛使用。這使得廣大學者都期待出現(xiàn)一種能充分探測環(huán)境信息并且成本較低的系統(tǒng)。本文從室內(nèi)空間譜指紋入手,采用信息融合技術對空間譜群指紋進行融合,并通過軟件無線電通用外部設備(Universal Software Radio Peripheral,USRP)對文中引入和改進的算法進行驗證,經(jīng)過實驗證明,本文算法取得了較好的性能。本文的主要工作如下:(1)對經(jīng)典的室內(nèi)定位算法進行分析,分別介紹了到達時間(Time Of Arrivel,TOA)、到達時間差(Time Difference Of Arrival,TDOA)、接收信號強度(Received Signal Strength,RSS)和波達方向(Direction Of Arrival,DOA)估計算法。接著簡要的介紹了目前常用的室內(nèi)定位系統(tǒng),并分析了其優(yōu)缺點。通過對當前的室內(nèi)定位算法和室內(nèi)定位系統(tǒng)進行分析,使我們對室內(nèi)定位技術有了深入的認識,從而清楚地認識到當前室內(nèi)定位技術存在的不足,為本文對當前定位技術進行改進指明了方向。(2)針對RSS指紋應用于室內(nèi)環(huán)境中的缺點,提出了主成分分析(Principal Component Analysis,PCA)指紋、協(xié)方差指紋和四階累積量指紋。和RSS指紋相比,這些指紋保存了更多的室內(nèi)空間信息,因此其穩(wěn)健性更好,文中并以仿真實驗的方式進行了驗證。(3)針對指紋庫匹配計算量較大的問題,本文通過數(shù)據(jù)聚類技術對目標進行粗定位,這能極大的減小在線指紋匹配時的計算量;然后,利用室內(nèi)環(huán)境中的多種空間譜指紋結合集成學習、神經(jīng)網(wǎng)絡和Dempster-Shafer(DS)證據(jù)理論來對目標進行精確定位;最后通過實驗仿真對其有效性進行了驗證。(4)研究了一套基于開源軟件無線電平臺的室內(nèi)定位系統(tǒng),該系統(tǒng)能完整的采集室內(nèi)空間信息。最后通過該系統(tǒng)在室內(nèi)環(huán)境中采集數(shù)據(jù),接著用該數(shù)據(jù)對本文引入和改進的算法進行驗證。
【關鍵詞】：室內(nèi)定位 空間譜指紋 信息融合 USRP
【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】：TN96
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-15
• 1.1 研究目的及意義11-12
• 1.2 研究現(xiàn)狀及背景12-14
• 1.3 本文主要工作及內(nèi)容安排14-15
• 第二章 經(jīng)典室內(nèi)定位算法及系統(tǒng)介紹15-33
• 2.1 室內(nèi)定位性能指標15-16
• 2.2 室內(nèi)定位算法16-29
• 2.2.1 常用室內(nèi)定位算法16-21
• 2.2.2 參數(shù)化估計方法21-26
• 2.2.3 非參數(shù)化估計方法26-28
• 2.2.4 相關技術比較28-29
• 2.3 室內(nèi)定位系統(tǒng)29-32
• 2.3.1 RFID29
• 2.3.2 Cellular-Based29-30
• 2.3.3 UWB30-31
• 2.3.4 WLAN（IEEE 802.11）31
• 2.3.5 Bluetooth（IEEE 802.15）31-32
• 2.3.6 相關系統(tǒng)比較32
• 2.4 本章小結32-33
• 第三章 室內(nèi)空間譜指紋33-42
• 3.1 近場源陣列模型33-35
• 3.2 空間譜指紋介紹35-38
• 3.2.1 PCA指紋35-36
• 3.2.2 協(xié)方差指紋36-37
• 3.2.3 四階累積量指紋37
• 3.2.4 指紋性能分析37-38
• 3.2.5 指紋匹配流程38
• 3.3 實驗仿真38-41
• 3.4 本章小結41-42
• 第四章 基于空間譜群指紋的融合定位算法42-63
• 4.1 指紋聚類方法42-45
• 4.1.1 基于K-means算法的位置指紋聚類43-44
• 4.1.2 實驗仿真44-45
• 4.2 基于BP神經(jīng)網(wǎng)絡和DS理論的指紋定位算法45-56
• 4.2.1 神經(jīng)網(wǎng)絡介紹45-49
• 4.2.2 DS理論49-51
• 4.2.3 BP_DS指紋定位方法51-54
• 4.2.4 實驗仿真54-56
• 4.3 基于集成學習的BP_DS指紋定位方法56-62
• 4.3.1 集成學習原理56-59
• 4.3.2 BP_MEL_DS指紋定位方法59-60
• 4.3.3 實驗仿真60-62
• 4.4 本章小結62-63
• 第五章 實時定位系統(tǒng)介紹及群指紋融合定位算法驗證63-80
• 5.1 GNURadio軟件63-66
• 5.2 USRP開發(fā)平臺簡介66-72
• 5.2.1 USRP母板66-67
• 5.2.2 AD/DA轉(zhuǎn)換器67
• 5.2.3 FPGA67-69
• 5.2.4 子板接69-71
• 5.2.5 多USRP配置71-72
• 5.3 實驗準備72-74
• 5.3.1 實驗環(huán)境72-73
• 5.3.2 硬件設備73-74
• 5.3.3 軟件配置74
• 5.4 實驗數(shù)據(jù)采集74-76
• 5.5 算法效果驗證76-79
• 5.5.1 RSS指紋聚類分析76-77
• 5.5.2 融合算法穩(wěn)健性分析77-78
• 5.5.3 實測數(shù)據(jù)分析78-79
• 5.6 本章小結79-80
• 第六章 全文總結與展望80-82
• 6.1 本文工作總結80
• 6.2 下一步工作的展望80-82
• 致謝82-83
• 參考文獻83-88
• 攻讀碩士學位期間取得的成果88-89

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 陳國祥;竇林名;曹安業(yè);李志華;;電磁輻射法評定沖擊礦壓危險等級及應用[J];煤炭學報;2008年08期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 王志超;基于FPGA的高速FIR濾波器設計與實現(xiàn)[D];哈爾濱理工大學;2013年

  本文關鍵詞：基于空間譜群指紋的高精度室內(nèi)定位方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：421463