在移動(dòng)互聯(lián)網(wǎng)時(shí)代,眾多商業(yè)應(yīng)用均離不開(kāi)準(zhǔn)確獲取人的位置信息。在室外廣域空間里,以GPS為代表的全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)是最有效的定位手段,由于衛(wèi)星信號(hào)被遮擋,GNSS在室內(nèi)作用有限,多種室內(nèi)定位技術(shù)紛紛涌現(xiàn),但尚無(wú)一種公認(rèn)的標(biāo)準(zhǔn)手段。伴隨無(wú)線局域網(wǎng)(WLAN)及智能手機(jī)的普及,WLAN指紋定位成為應(yīng)用廣泛的室內(nèi)定位手段。圍繞降低指紋定位過(guò)程運(yùn)算消耗及人力成本,提高定位精度和運(yùn)行效率的目標(biāo),本文集中對(duì)WLAN指紋定位中改進(jìn)定位模型及降低指紋采集工作量相關(guān)策略開(kāi)展研究。主要內(nèi)容包括:LocalReliefF-C AP點(diǎn)選擇算法、CSBA參考點(diǎn)聚類(lèi)算法、隱樸素貝葉斯位置估算算法、基于GPR和CGAN的指紋庫(kù)自動(dòng)擴(kuò)充框架、基于AP點(diǎn)RSS值平面搜索和疊加的定位算法、隱式眾包指紋采集及定位系統(tǒng)框架、8)4)9)-8)(6指紋樣本預(yù)處理方法以及協(xié)同隨機(jī)森林半監(jiān)督學(xué)習(xí)定位算法。主要研究成果如下:(1)室內(nèi)環(huán)境中無(wú)線網(wǎng)絡(luò)AP點(diǎn)不斷增多,增加了指紋定位系統(tǒng)計(jì)算復(fù)雜度,其中存在一些冗余AP點(diǎn)和噪聲AP點(diǎn)可以刪除。為了選取最優(yōu)位置判別AP點(diǎn)集合,提出一種基于位置判別能力評(píng)估和冗余特征檢測(cè)的AP點(diǎn)選擇算法LocalReliefF-C。首先,利用改進(jìn)特征選擇算法ReliefF計(jì)算指紋樣本集中每個(gè)AP點(diǎn)分類(lèi)能力權(quán)值,以此衡量AP點(diǎn)位置判別能力,選取權(quán)值最大的若干AP點(diǎn),再計(jì)算每對(duì)所選AP點(diǎn)之間的最大信息系數(shù)(MIC),以此衡量AP點(diǎn)間的冗余關(guān)系,刪除部分冗余AP點(diǎn)。實(shí)驗(yàn)結(jié)果表明,LocalReliefF-C AP點(diǎn)選擇算法能夠顯著降低定位算法的運(yùn)算消耗,得到的最優(yōu)判別AP點(diǎn)子集同時(shí)保證了良好定位精度。(2)傳統(tǒng)定位算法為了搜索目標(biāo)位置要遍歷每一個(gè)參考點(diǎn)的指紋樣本,隨著參考點(diǎn)增多搜索效率大幅下降。為提高位置查找效率,在前文AP點(diǎn)選擇基礎(chǔ)上,提出一種新的參考點(diǎn)聚類(lèi)算法CSBA。離線階段將大量參考點(diǎn)劃分成有限數(shù)量的簇,實(shí)現(xiàn)搜索空間的局部化,在線階段先確定目標(biāo)簇,再確定簇內(nèi)目標(biāo)位置。聚類(lèi)的依據(jù)是參考點(diǎn)的最優(yōu)位置判別AP點(diǎn)集合具有一定數(shù)量的共同元素。實(shí)驗(yàn)結(jié)果表明,CSBA算法能夠有效降低定位過(guò)程比較運(yùn)算次數(shù),顯著提高位置查找效率。(3)在簇內(nèi)位置估算時(shí),引入一種改進(jìn)定位模型隱樸素貝葉斯(HNB),它打破了經(jīng)典樸素貝葉斯(NB)算法關(guān)于AP點(diǎn)間彼此條件獨(dú)立的理想化假設(shè),通過(guò)定義隱藏的父節(jié)點(diǎn)把AP點(diǎn)之間的相互影響納入位置估算過(guò)程。實(shí)驗(yàn)表明,相比經(jīng)典N(xiāo)B算法,HNB算法的定位精度更佳。(4)在已采樣參考點(diǎn)數(shù)量有限,指紋樣本數(shù)量不足條件下,定位性能難以保證。在不增加樣本采集工作量前提下,提出一種指紋庫(kù)自動(dòng)生成與擴(kuò)充策略,利用高斯過(guò)程回歸模型(GPR)對(duì)樣本RSS值與位置坐標(biāo)之間關(guān)系進(jìn)行建模,生成未采樣參考點(diǎn)上指紋樣本,再借助深度學(xué)習(xí)模型條件生成對(duì)抗網(wǎng)絡(luò)(CGAN)生成大量與已有樣本極為相似的指紋樣本,實(shí)現(xiàn)指紋庫(kù)擴(kuò)充。(5)在指紋庫(kù)自動(dòng)擴(kuò)充基礎(chǔ)上,位置估算階段提出一種基于AP點(diǎn)RSS值平面搜索和疊加的定位算法。構(gòu)造指紋庫(kù)中每個(gè)AP點(diǎn)在定位平面上的RSS值矩陣,針對(duì)新的RSS觀測(cè)向量,依次在每個(gè)AP點(diǎn)RSS值平面上尋找目標(biāo)位置區(qū)域,最后將多個(gè)目標(biāo)區(qū)域疊加,確定最終定位結(jié)果。(6)傳統(tǒng)指紋收集過(guò)程需要耗費(fèi)高昂時(shí)間和人力成本,成為指紋定位系統(tǒng)推廣使用的瓶頸。提出一種隱式眾包指紋采集及位置估算系統(tǒng)框架,系統(tǒng)包含樣本采集客戶端、指紋樣本預(yù)處理模塊、半監(jiān)督學(xué)習(xí)位置估算模塊等核心組件。眾包模式將繁重的樣本采集任務(wù)分發(fā)給眾多志愿者,指紋服務(wù)器實(shí)現(xiàn)上傳樣本的接收和集成。采集程序在設(shè)備后臺(tái)靜默運(yùn)行無(wú)需用戶主動(dòng)干預(yù),進(jìn)一步提高系統(tǒng)實(shí)用性。min-max規(guī)范化方法實(shí)現(xiàn)眾包采集指紋的預(yù)處理,統(tǒng)一各樣本RSS值取值范圍,實(shí)現(xiàn)取值離散化,有效解決眾包模式下觀測(cè)設(shè)備異構(gòu)性問(wèn)題,為后續(xù)位置估算過(guò)程做好數(shù)據(jù)準(zhǔn)備。(7)隱式眾包模式采集了大量無(wú)標(biāo)記樣本,為將它們用于定位,引入一種融合協(xié)同訓(xùn)練和集成學(xué)習(xí)思想的半監(jiān)督學(xué)習(xí)定位算法Co-RandomForest。算法以協(xié)同訓(xùn)練的方式利用無(wú)標(biāo)記樣本集反復(fù)優(yōu)化生成的隨機(jī)森林分類(lèi)器,發(fā)揮集成學(xué)習(xí)優(yōu)勢(shì)簡(jiǎn)化求解最置信樣本過(guò)程,提高算法執(zhí)行效率。實(shí)驗(yàn)結(jié)果表明,Co-RandomForest在使用少量標(biāo)記樣本條件下,通過(guò)挖掘大量易于獲得的無(wú)標(biāo)記樣本定位價(jià)值,能夠取得與傳統(tǒng)監(jiān)督學(xué)習(xí)算法相當(dāng)?shù)亩ㄎ恍阅?從而擺脫對(duì)大量標(biāo)記樣本采樣過(guò)程的依賴。
【學(xué)位單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TN925.93
【部分圖文】：

智能手機(jī)-22 -95 73圖2-3具體描繪了5種不同移動(dòng)設(shè)備在5個(gè)參考位置上觀測(cè)所得RSS平均值的差異情況，每一個(gè)子圖對(duì)應(yīng)一個(gè)不同的 AP 點(diǎn)。可以發(fā)現(xiàn)，即使在相同位置上針對(duì)同一 AP 點(diǎn)進(jìn)行觀測(cè)，不同類(lèi)型設(shè)備所得的 RSS 平均值也總是存在差異。本實(shí)驗(yàn)中不同類(lèi)型設(shè)備觀測(cè) RSS 均值最大差距可達(dá) 27dBm，平均差距也有 8dBm。究其原因，一是因?yàn)椴煌布谛盘?hào)強(qiáng)度感測(cè)能力方面存在差異，二是因?yàn)椴煌O(shè)備廠商所使用 RSSI 到 RSS 的映射方案是不統(tǒng)一的。RSSI（Received SignalStrength Indicator）是接收設(shè)備（無(wú)線網(wǎng)卡或 Wi-Fi 模塊）接收射頻信號(hào)能量強(qiáng)度的測(cè)量值，IEEE 802.11 標(biāo)準(zhǔn)規(guī)定 RSSI 的取值介于 0 到 255 之間，而實(shí)際上硬件廠商實(shí)現(xiàn)時(shí)將 RSSI 限制在 0 到 RSSI_Max 之間

2 WLAN 位置指紋室內(nèi)定位基礎(chǔ)理論瑞利（Rayleigh）分布、麥克斯韋（Maxwell）分布多為右偏分布較難用已知典型分布來(lái)建模。圖 2-4 展示了實(shí)驗(yàn)區(qū)域里采集的 100方圖的偏度值情況，采樣位置為圖書(shū)館借閱大廳中隨機(jī)選取的 20個(gè)參考點(diǎn)上收集周?chē)h(huán)境中 5 個(gè) AP 點(diǎn)的信號(hào)強(qiáng)度值，針對(duì)每個(gè) A 40 次構(gòu)成 RSS 直方圖。從圖中可以看到，100 個(gè)直方圖中共有 6負(fù)值，16%的偏度小于-0.5，說(shuō)明 62%的 RSS 直方圖是左偏斜的，為顯著偏斜的。表 2-2 給出了偏度值在各區(qū)間的分布情況。一般而信號(hào)強(qiáng)度等級(jí)較高時(shí)（例如在 AP 點(diǎn)距離觀測(cè)設(shè)備較近，或者在視RSS 數(shù)據(jù)分布呈現(xiàn)比較顯著的左偏形態(tài)，當(dāng)信號(hào)強(qiáng)度較低時(shí)（在 A設(shè)備較遠(yuǎn)，或在非視距條件下），左偏形態(tài)相對(duì)輕微。在進(jìn)行位置時(shí)，對(duì)于分布特征為輕微偏斜的 RSS 值可以用高斯分布近似描述斜的 RSS 值利用直方圖方法加以描述，常常取得更好的效果。

圖 2-5 參考點(diǎn)位置分布Figure 2-5 Distribution of reference locations圖 2-6 不同參考點(diǎn)上指紋數(shù)據(jù)的可區(qū)分性-6 Distinguishability of fingerprint data on different ref
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳海玲;高麗峰;汪陶勝;李作虎;;北斗衛(wèi)星導(dǎo)航系統(tǒng)發(fā)展與應(yīng)用[J];導(dǎo)航定位學(xué)報(bào);2015年02期

2 阮陵;張翎;許越;鄭星雨;;室內(nèi)定位:分類(lèi)、方法與應(yīng)用綜述[J];地理信息世界;2015年02期

3 汪明峰;顧成城;;上海智慧城市建設(shè)中公共WLAN熱點(diǎn)的空間分析與檢討[J];地理科學(xué)進(jìn)展;2015年04期

4 鄧中亮;尹露;;基于TC-OFDM體制的室內(nèi)定位系統(tǒng)[J];電信網(wǎng)技術(shù);2015年03期

5 劉春燕;王堅(jiān);;基于幾何聚類(lèi)指紋庫(kù)的約束KNN室內(nèi)定位模型[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年11期

6 趙銳;鐘榜;朱祖禮;馬樂(lè);姚金飛;;室內(nèi)定位技術(shù)及應(yīng)用綜述[J];電子科技;2014年03期

7 沈芮;張劍;;基于可見(jiàn)光通信的室內(nèi)定位方法[J];信息工程大學(xué)學(xué)報(bào);2014年01期

8 劉越;李珊;王彥龍;;4G背景下的WLAN發(fā)展趨勢(shì)[J];世界電信;2013年12期

9 李晶輝;張小剛;陳華;胡義函;;一種改進(jìn)隱樸素貝葉斯算法的研究[J];小型微型計(jì)算機(jī)系統(tǒng);2013年07期

10 王巍;;慣性技術(shù)研究現(xiàn)狀及發(fā)展趨勢(shì)[J];自動(dòng)化學(xué)報(bào);2013年06期

本文編號(hào)：2886931