針對(duì)Wi-Fi信號(hào)易受噪聲等外界不確定因素的影響以及移動(dòng)終端接收信號(hào)強(qiáng)度指示(RSSI)與真實(shí)值存在偏差而導(dǎo)致定位精度不高的問(wèn)題,本文提出了一種基于GF-KF修正RSSI的室內(nèi)指紋定位方法.由于采集的RSSI不穩(wěn)定,該方法利用RSSI類高斯分布的特性,對(duì)RSSI數(shù)據(jù)進(jìn)行高斯擬合,以得到較為確定的RSSI值.在此基礎(chǔ)上,引入卡爾曼濾波算法對(duì)擬合后的RSSI數(shù)據(jù)進(jìn)行誤差修正,結(jié)合加權(quán)K近鄰(WKNN)匹配算法進(jìn)行定位.實(shí)驗(yàn)結(jié)果表明:本文方法的平均定位誤差為1.5 m,2.0 m以內(nèi)的誤差累積分布概率為90.06%,定位效果優(yōu)于同類方法.

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖1 Wi-Fi指紋定位流程圖

Wi-Fi指紋定位方法包括兩個(gè)階段:離線階段和在線階段[20].離線階段主要是測(cè)試人員通過(guò)在建立好的定位場(chǎng)景采集定位區(qū)域各參考點(diǎn)來(lái)自周?chē)煌珹P的RSSI,并結(jié)合物理位置組成具有唯一映射關(guān)系的位置指紋向量,從而進(jìn)一步構(gòu)建定位區(qū)域的離線指紋數(shù)據(jù)庫(kù).在線階段主要是測(cè)試人員手持智能移動(dòng)....

圖2 固定AP的RSSI分布情況

本文方法是通過(guò)KF算法修正RSSI,其前提是RSSI分布特性必須符合高斯分布.高斯分布又稱為正態(tài)分布,是用來(lái)描述概率分布服從均值為μ和方差為σ2的一組隨機(jī)數(shù)據(jù).理想情況下,不同地點(diǎn)的RSSI是不同的,而同一地點(diǎn)的RSSI是穩(wěn)定的.因此,RSSI可以用來(lái)區(qū)分不同位置,成為表征特定位....

圖3 改進(jìn)的室內(nèi)指紋定位方法流程圖

該方法利用RSSI在復(fù)雜的室內(nèi)環(huán)境呈現(xiàn)出類高斯分布特性對(duì)其進(jìn)行GF,從而得到較為確定的RSSI值.在此基礎(chǔ)上,引入KF算法對(duì)擬合后的RSSI數(shù)據(jù)進(jìn)行誤差修正,使得RSSI值更為接近真實(shí)值,從而提高了離線指紋庫(kù)和在線RSSI向量的質(zhì)量,結(jié)合WKNN進(jìn)行位置估計(jì)來(lái)提高定位精度.本文所....

圖4 實(shí)驗(yàn)區(qū)域的平面圖

為了驗(yàn)證本文所提方法,在某實(shí)驗(yàn)大樓中的空曠教室選取10m×6m的區(qū)域作為實(shí)驗(yàn)區(qū)域,將中間6m×4m的區(qū)域作為定位區(qū)域.根據(jù)實(shí)驗(yàn)的具體要求,對(duì)實(shí)驗(yàn)區(qū)域進(jìn)行環(huán)境部署,部署的平面圖如圖4所示.該實(shí)驗(yàn)所用的AP為蘇州漢明科技有限公司生產(chǎn)的型號(hào)為Howay2000Q87,信號(hào)采集設(shè)....

本文編號(hào)：4021328