本文關鍵詞：基于WIFI網(wǎng)絡的室內(nèi)無線定位技術研究

  更多相關文章： 室內(nèi)定位 位置指紋 聚類技術 信號強度 最近鄰算法

【摘要】：近幾年來,隨著移動互聯(lián)網(wǎng)技術爆炸式的增長和智能移動終端設備的普及,出現(xiàn)了許多如位置交友、周邊搜索等基于地理位置的服務,而定位技術正是位置服務的技術基礎。到二十世紀九十年代末,GPS等全球定位技術已經(jīng)十分成熟并取得了卓越的成績。但是GPS定位只適用于室外環(huán)境,室內(nèi)環(huán)境相對于室外環(huán)境更加復雜,而且GPS信號穿透建筑物能力較差,所以傳統(tǒng)的室外定位技術在室內(nèi)環(huán)境下并不適用,新的室內(nèi)定位技術的研究已經(jīng)刻不容緩。目前國內(nèi)外主要采用的室內(nèi)定位技術有超聲波定位技術、WIFI定位技術、射頻識別定位技術和紅外線定位技術等無線定位技術。其中WIFI技術具有覆蓋范圍廣、成本低、操作方便等優(yōu)勢。并且為了更好的吸引和服務年輕人,現(xiàn)在許多的大型室內(nèi)環(huán)境例如大型商場、博物館、機場、咖啡廳都設有免費的WIFI熱點。這更加促進了WIFI室內(nèi)定位技術的研究。本文采用基于WIFI網(wǎng)絡的位置指紋定位技術進行室內(nèi)環(huán)境下的定位研究。對位置指紋定位算法的定位原理進行研究,指出定位過程中的關鍵問題,總結出定位系統(tǒng)的評價標準。通過對典型的位置指紋定位算法研究以及對各自算法的適用場所的分析和比較,指出造成定位誤差的主要方面,改善定位流程,對定位算法進行優(yōu)化,最終提出一種新的室內(nèi)定位算法。即離線階段對采樣點處信號進行多次測量后取平均值錄入到指紋數(shù)據(jù)庫中。然后采用聚類技術對指紋庫進行訓練,把指紋數(shù)據(jù)庫中的數(shù)據(jù)分成許多小的類簇,最終只保留和待測點相似度最高的類,去除相似度較小的類,減少匹配算法運行時的搜索空間,減少算法時間復雜度,降低信號誤差對定位精度造成的影響。仔細研究并對傳統(tǒng)的聚類技術進行改進,降低聚類結果對初始聚類個數(shù)K值的依賴,解決了由于初始聚類中心選擇不恰當造成的局部最優(yōu)解問題,降低了聚類算法的時間復雜度,提高了計算速度。充分考慮到不同信號接收端接收信號能力的差異,優(yōu)化了定位階段匹配算法的權重系數(shù),增加了穩(wěn)定性高、信號較強的數(shù)據(jù)點的權重,降低穩(wěn)定性差、信號較弱的數(shù)據(jù)點的權重,提高定位精度。最后通過MATLAB仿真工具,在同一環(huán)境下對改進前后的定位算法進行定位精度、均值誤差、收斂性等方面的比較,測試表明,改進后的位置指紋定位算法有效的降低定位誤差,有更高的定位精度。
【關鍵詞】：室內(nèi)定位 位置指紋 聚類技術 信號強度 最近鄰算法
【學位授予單位】：蘭州交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN92
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 課題研究背景和意義9-12
• 1.2 國內(nèi)外的研究現(xiàn)狀12-13
• 1.3 論文的主要研究內(nèi)容和章節(jié)安排13-15
• 2 室內(nèi)定位技術研究15-30
• 2.1 室內(nèi)定位技術概述15
• 2.2 常見的室內(nèi)定位技術15-20
• 2.2.1 超聲波技術15
• 2.2.2 紅外線技術15-16
• 2.2.3 超寬帶技術（UWB）16
• 2.2.4 藍牙定位技術（Bluetooth）16-17
• 2.2.5 射頻識別技術（RFID）17-18
• 2.2.6 ZigBee定位技術18
• 2.2.7 WIFI定位技術18-20
• 2.3 WIFI無線通信技術20-24
• 2.3.1 WIFI基本介紹20
• 2.3.2 WIFI基本組成20-22
• 2.3.3 無線網(wǎng)絡的拓撲結構22-23
• 2.3.4 無線信道及特征23-24
• 2.4 影響室內(nèi)定位的主要因素24
• 2.5 常見的定位算法24-28
• 2.5.1 基于測距的定位技術24-27
• 2.5.2 無需測距的定位算法27-28
• 2.6 定位系統(tǒng)性能的評價標準28-30
• 3 位置指紋定位算法研究30-46
• 3.1 位置指紋定位算法的定位原理30-31
• 3.2 典型的位置指紋定位算法31-35
• 3.2.1 最近鄰法（NN）32
• 3.2.2 K最近鄰法（KNN）32
• 3.2.3 K加權最近鄰法（WKNN）32-33
• 3.2.4 BP神經(jīng)網(wǎng)絡法33-34
• 3.2.5 貝葉斯網(wǎng)絡算法34-35
• 3.3 位置指紋定位算法分析35-38
• 3.4 位置指紋定位技術關鍵問題分析38-40
• 3.4.1 衰落對信號強度的影響38-39
• 3.4.2 不同移動終端對信號強度的影響39
• 3.4.3 人的行為對接收信號的影響39-40
• 3.4.4 指紋密度對定位的影響40
• 3.5 位置指紋空間聚類技術40-46
• 3.5.1 聚類技術基本介紹40
• 3.5.2 相似性度量40-42
• 3.5.3 K均值聚類算法介紹42-45
• 3.5.4 現(xiàn)有的K均值聚類算法存在的問題45-46
• 4 位置指紋定位算法的改進與仿真分析46-58
• 4.1 K均值聚類算法的改進47-50
• 4.2 K加權最近鄰法的改進50-52
• 4.3 改進算法的仿真與實現(xiàn)52-58
• 結論58-60
• 致謝60-61
• 參考文獻61-63

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐振華;;基于BP神經(jīng)網(wǎng)絡的分布式入侵檢測模型改進算法研究[J];網(wǎng)絡安全技術與應用;2016年02期

2 馬壯壯;束龍倉;季葉飛;荊艷東;魯程鵬;;基于遺傳算法的BP神經(jīng)網(wǎng)絡計算巖溶水安全開采量[J];水文地質工程地質;2016年01期

3 朱甜甜;李朋朋;王萍;鄭國莘;;2.6GHz頻段走廊環(huán)境下MIMO信道特性的研究[J];電子測量技術;2016年01期

4 李冬;張寶賢;;基于指紋的室內(nèi)定位技術[J];中興通訊技術;2015年06期

5 王琪;;基于WiFi信號指紋的室內(nèi)定位技術[J];計算機與網(wǎng)絡;2015年21期

6 徐瀟瀟;謝林柏;彭力;;一種改進的基于貝葉斯的位置指紋算法[J];江南大學學報(自然科學版);2015年05期

7 吳紹春;陳亮;;基于RSSI的礦山井下人員定位方法研究[J];計算機應用與軟件;2015年10期

8 石云;陳鐘;孫兵;;基于均值聚類分析和多層核心集凝聚算法相融合的網(wǎng)絡入侵檢測[J];計算機應用研究;2016年02期

9 徐瀟瀟;謝林柏;;位置指紋算法關鍵參數(shù)的提取[J];江南大學學報(自然科學版);2015年03期

10 李銀;汪洋;陳冬明;;基于RSSI的無線傳感器網(wǎng)絡定位系統(tǒng)設計與實現(xiàn)[J];計算機測量與控制;2015年03期

，

本文編號：700754