圖像輔助的射頻指紋定位系統(tǒng)的設計與實現
本文關鍵詞: 室內定位 射頻指紋 定位算法 位置指紋數據庫 圖像輔助 出處:《北京交通大學》2017年碩士論文 論文類型:學位論文
【摘要】:隨著移動智能終端和無線網絡的快速普及與發(fā)展,基于位置的服務受到了廣泛的關注;赪LAN的室內定位技術由于只需測量接收信號強度,無需額外的無線基礎設施,使其作為一種室內定位的解決方案而被廣泛應用。但是隨著室內環(huán)境越來越復雜,接收信號強度表現出高度的復雜性與多變性,因而僅利用單一信號強度進行定位,其定位精度嚴重受到影響。針對這一問題,本文利用圖像輔助進行射頻(RF)指紋室內定位,并在提高定位精度和降低計算量方面做了詳細的研究與分析。首先,基于契比雪夫距離提出了一種改進的K近鄰法。研究發(fā)現,該定位算法的平均誤差在2.10 m,基本可以達到K近鄰法的定位精度。由于計算契比雪夫距離只需加減法運算,與K近鄰算法相比,其計算復雜度較低。同時,該算法的定位精度高于傳統(tǒng)的MaD算法、CBD算法和VaS算法。其次,基于WLAN的射頻指紋室內定位技術,提出了均勻圖像輔助的射頻指紋室內定位系統(tǒng)。研究圖像采集裝置的擺放位置對定位精度的影響以及計算工作量的變化情況。測試結果表明,圖像采集裝置位于定位區(qū)域正前方時,定位誤差為1.61m;位于定位區(qū)域正上方時,定位誤差為1.26 m,后者比前者的定位精度提高了 22%。兩種情況下的平均定位誤差分別比僅利用射頻指紋定位的提高了約0.55m和0.85 m。由于使用均勻圖像輔助,用戶只需與其所在區(qū)域內的參考指紋進行匹配計算,因而計算工作量也大幅減少。最后,考慮到圖像采集裝置位于教室前方的普遍性。因此,為提高裝置位于教室前方的均勻圖像輔助的射頻指紋定位算法的精度,提出了基于非均勻指紋庫的均勻圖像輔助技術。基本思想是建立非均勻指紋數據庫,其中的指紋密度隨著距離的增加而增加。基于均勻圖像輔助的射頻指紋定位算法,利用均勻和非均勻的指紋數據庫對用戶位置進行匹配計算。測試結果表明,當圖像采集裝置位于教室前方時,在均勻圖像輔助下,利用非均勻指紋庫的算法精度達到了1.35m,比利用均勻指紋庫提高了約0.30 m。當然,計算工作量也會隨參考指紋數增加而相應地增加。圖像輔助的射頻指紋室內定位技術的平均定位精度可達1.26m。與僅利用單一信號的射頻指紋定位相比,該技術的平均定位精度提高了 40%,而計算工作量降低了 75%。
[Abstract]:With the rapid popularization and development of mobile intelligent terminals and wireless networks, location-based services have attracted wide attention. Indoor positioning technology based on WLAN only needs to measure the strength of received signals, so there is no need for additional wireless infrastructure. It is widely used as a kind of indoor positioning solution. However, as the indoor environment becomes more and more complex, the received signal intensity shows a high degree of complexity and variability, so it only uses a single signal intensity to locate. The positioning accuracy is seriously affected. Aiming at this problem, this paper makes use of image assistant to carry out RF fingerprint indoor positioning, and makes detailed research and analysis in improving the location accuracy and reducing the calculation amount. Based on Chebyshev distance, an improved K-nearest neighbor method is proposed. It is found that the average error of the algorithm is 2.10 m, which can basically achieve the accuracy of K-nearest neighbor method. Compared with K-nearest neighbor algorithm, its computational complexity is lower. At the same time, the location accuracy of this algorithm is higher than that of traditional MaD algorithm and VaS algorithm. Secondly, RF fingerprint indoor location technology based on WLAN is proposed. A uniform image-assisted radio-frequency fingerprint indoor positioning system is proposed. The influence of the location of the image acquisition device on the positioning accuracy and the change of the calculation workload are studied. The test results show that, When the image acquisition device is in front of the location area, the positioning error is 1.61m; when the image acquisition device is located directly above the location area, The positioning error is 1.26 m, and the accuracy of the latter is 22% higher than that of the former. The average positioning error in both cases is about 0.55 m and 0.85 m higher than that using radio-frequency fingerprint only. Users only need to match the reference fingerprints in their area, so the amount of computing work is greatly reduced. Finally, considering the universality of the image acquisition device in front of the classroom, In order to improve the accuracy of the radio-frequency fingerprint location algorithm in front of the classroom, the uniform image assistant technology based on the non-uniform fingerprint database is proposed, and the basic idea is to establish the non-uniform fingerprint database. The fingerprint density increases with the increase of distance. Based on the radio-frequency fingerprint location algorithm aided by uniform image, the user's location is matched by uniform and non-uniform fingerprint database. The test results show that, When the image acquisition device is in front of the classroom, with the help of uniform image, the accuracy of the algorithm using non-uniform fingerprint database is 1.35 m, which is about 0.30 m higher than that of using uniform fingerprint database. The calculation workload will also increase with the increase of reference fingerprint number. The average positioning accuracy of radio-frequency fingerprint indoor location technique can reach 1.26m.Compared with the radio-frequency fingerprint location using only a single signal, The average positioning accuracy of this technology is increased by 40%, and the calculation workload is reduced by 75%.
【學位授予單位】:北京交通大學
【學位級別】:碩士
【學位授予年份】:2017
【分類號】:TN925.93
【相似文獻】
相關期刊論文 前10條
1 劉明奇;;圖像穩(wěn)定技術中的像運動描述及其處理分析[J];光學技術;2006年S1期
2 梁柏茂;魏彪;米德伶;彭柯鑫;馬曉昕;;一種高分辨X光數字胃腸圖像系統(tǒng)的設計與實現[J];國外電子測量技術;2007年11期
3 劉梅娟;;談地理教學中圖像系統(tǒng)的閱讀[J];教育前沿(理論版);2008年04期
4 鄭冰;展旭卿;付民;;集束光水下圖像系統(tǒng)[J];光子學報;2007年02期
5 傅亨;;視頻與圖像系統(tǒng)開發(fā)中容易出現的問題與解決方法[J];信息通信;2013年08期
6 姚錦鐘,蔡清福,,關立勛;超聲醫(yī)學圖像系統(tǒng)的技術現狀及設備水平[J];中國儀器儀表;1994年05期
7 吳啟森;基于虛擬窗口的圖像加速顯示和重畫技術[J];計算機應用;2003年S1期
8 由春秋;;實時采集多幅圖像疊加平均去噪的研究與實現[J];哈爾濱師范大學自然科學學報;2007年03期
9 王偉凝;蟻靜緘;賀前華;;可計算圖像美學研究進展[J];中國圖象圖形學報;2012年08期
10 向方明;朱遵義;許敬;崔業(yè)兵;;視頻/圖像系統(tǒng)開發(fā)的關鍵問題研究[J];現代電子技術;2013年08期
相關會議論文 前4條
1 豐樹強;趙瀟;張國光;;低輻射車輛檢查裝置圖像系統(tǒng)的設計與實現[A];第三屆全國核技術與應用學術研討會會議資料文集[C];2012年
2 周衛(wèi)東;王翠玲;張貴倉;;一種通用醫(yī)學圖像系統(tǒng)安全模型的研究[A];中國幾何設計與計算新進展2007——第三屆中國幾何設計與計算大會論文集[C];2007年
3 韓曉暉;麻元興;鄭穗聯;;基于區(qū)域協同醫(yī)療的眼科圖像信息系統(tǒng)的研究[A];2011年浙江省眼科學術會議論文集[C];2011年
4 郭彥斌;李學先;王非;;PaxScan2520圖像系統(tǒng)在射線照相模式下的增益校正[A];2006全國荷電粒子源、粒子束學術會議論文集[C];2006年
相關重要報紙文章 前6條
1 武德鋒 李國輝 林洪文 姚作梁;圖像世界任我行[N];計算機世界;2002年
2 聶蕊;石景山 政采服務奧運安保[N];政府采購信息報;2007年
3 陳華;打造新型醫(yī)學圖像系統(tǒng)產業(yè)化的鄭智捷[N];科技日報;2007年
4 王輝邋佚名;北京電子眼有了“醫(yī)生”[N];中國質量報;2007年
5 周奇;5類重點單位應裝攝像頭[N];北京日報;2006年
6 ;戴爾OptiPlex SX260 體積相當于一本字典[N];中國計算機報;2002年
相關博士學位論文 前5條
1 趙思成;圖像情感感知的計算與應用研究[D];哈爾濱工業(yè)大學;2016年
2 王長虎;互聯網環(huán)境下大規(guī)模圖像的內容分析、檢索和自動標注的研究[D];中國科學技術大學;2009年
3 李翎;藏傳佛教圖像研究[D];中央美術學院;2002年
4 張明宇;TDI CCD相機圖像采集與處理系統(tǒng)研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2011年
5 王江鵬;魏晉南北朝墓葬人物圖像與藝術轉型[D];西安美術學院;2012年
相關碩士學位論文 前10條
1 張璐;大陸與臺灣高中地理教材圖像系統(tǒng)比較研究[D];福建師范大學;2015年
2 任曉琳;植物圖像檢索系統(tǒng)的關鍵技術研究與實現[D];浙江大學;2015年
3 郭志威;高中地理教材圖像整合與開發(fā)研究[D];南京師范大學;2015年
4 吳龍輝;面向災害信息提取的SAR圖像并行算法設計與實現[D];電子科技大學;2014年
5 劉洋洋;初中生物新教材圖像系統(tǒng)特點及教學策略研究[D];湖南師范大學;2015年
6 文潔;網絡環(huán)境下大學生圖像資源利用行為的調查研究[D];河南大學;2015年
7 霍X;基于小波框架的Poisson數據圖像去噪算法研究[D];上海交通大學;2015年
8 袁文龍;基于模型觀測器的CT圖像病灶檢測及質量評價研究[D];東南大學;2015年
9 吳彥瑾;“差圖像”的公共再現[D];中央美術學院;2016年
10 吳元樹;利用圖像懫集裝置實現免疫層析定量檢測的研究[D];福州大學;2014年
本文編號:1502740
本文鏈接:http://www.sikaile.net/kejilunwen/xinxigongchenglunwen/1502740.html