智能手機(jī)內(nèi)置了豐富的傳感器,可以感知與室內(nèi)位置相關(guān)的信息。充分融合多種傳感器數(shù)據(jù),對(duì)提高室內(nèi)定位精度有重要作用,成為近年來(lái)研究的熱點(diǎn)問(wèn)題。手機(jī)的磁力計(jì)可以感知地磁場(chǎng)的強(qiáng)度。地磁場(chǎng)無(wú)處不在,信號(hào)穩(wěn)定,在室內(nèi)受磁性物質(zhì)的影響發(fā)生局部畸變。這些畸變使地磁強(qiáng)度能夠區(qū)分室內(nèi)不同的位置。WiFi AP（Access Point）在室內(nèi)廣泛部署。WiFi的信號(hào)強(qiáng)度RSS（Received Signal Strength）隨傳輸距離而衰減,也能用于室內(nèi)定位。然而如何充分利用二者的特性,設(shè)計(jì)低成本高精度的室內(nèi)定位算法依然面臨嚴(yán)峻挑戰(zhàn)。本文通過(guò)實(shí)驗(yàn)研究發(fā)現(xiàn)地磁場(chǎng)和WiFi信號(hào)在位置信息粒度和位置區(qū)分度方面具有互補(bǔ)特性�；诖颂岢隽艘粋�(gè)面向智能手機(jī)的兩階段定位框架:粗粒度定位階段和細(xì)粒度定位階段。在該框架下實(shí)現(xiàn)了基于地磁和WiFi融合的兩種定位算法:MagWi和DeepLoc。MagWi是一種基于誤差分配權(quán)重的特征融合室內(nèi)定位算法。它使用獨(dú)立于手機(jī)姿態(tài)的二維地磁特征。為了充分利用地磁和WiFi的互補(bǔ)性,MagWi建立了預(yù)測(cè)誤差模型,該模型能夠描述特征的定位能力。MagWi在粗粒度定位利用WiFi RSS特征... 

【文章來(lái)源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景
    1.2 研究現(xiàn)狀及存在問(wèn)題
        1.2.1 室內(nèi)定位技術(shù)分類及其應(yīng)用場(chǎng)景
        1.2.2 室內(nèi)定位中的多傳感器數(shù)據(jù)融合技術(shù)
        1.2.3 基于地磁和WiFi的室內(nèi)定位算法
        1.2.4 基于深度學(xué)習(xí)的室內(nèi)定位算法
    1.3 主要研究?jī)?nèi)容
    1.4 組織結(jié)構(gòu)
第2章 傳感器數(shù)據(jù)特征及其互補(bǔ)性
    2.1 二維地磁特征
        2.1.1 二維地磁特征的獲取
        2.1.2 時(shí)間穩(wěn)定性
        2.1.3 空間區(qū)分度
    2.2 WiFi RSS特征
        2.2.1 時(shí)間穩(wěn)定性
        2.2.2 空間區(qū)分度
    2.3 二維地磁特征與WiFi RSS特征的互補(bǔ)性
        2.3.1 空間區(qū)分度的互補(bǔ)性
        2.3.2 位置信息粒度的互補(bǔ)性
    2.4 本章小結(jié)
第3章 基于誤差分配權(quán)重的特征融合室內(nèi)定位算法
    3.1 算法概述
    3.2 算法設(shè)計(jì)
        3.2.1 粗粒度定位
        3.2.2 細(xì)粒度定位
    3.3 算法實(shí)現(xiàn)
        3.3.1 指紋庫(kù)的構(gòu)建
        3.3.2 誤差預(yù)測(cè)模型的建立
        3.3.3 在線定位
        3.3.4 設(shè)備多樣性問(wèn)題
    3.4 性能評(píng)價(jià)
        3.4.1 設(shè)備與場(chǎng)景
        3.4.2 子區(qū)域估計(jì)準(zhǔn)確率
        3.4.3 誤差預(yù)測(cè)模型
        3.4.4 定位誤差分析
        3.4.5 設(shè)備多樣性處理
    3.5 本章小結(jié)
第4章 基于深度學(xué)習(xí)的特征融合的室內(nèi)定位算法
    4.1 算法概述
    4.2 子區(qū)域估計(jì)
        4.2.1 DNN分類模型的特征與標(biāo)簽
        4.2.2 DNN分類模型的結(jié)構(gòu)與訓(xùn)練
        4.2.3 子區(qū)域劃分
    4.3 位置估計(jì)
        4.3.1 DNN回歸模型的結(jié)構(gòu)
        4.3.2 DNN回歸模型的訓(xùn)練
    4.4 性能評(píng)價(jià)
        4.4.1 數(shù)據(jù)集與實(shí)驗(yàn)設(shè)備
        4.4.2 子區(qū)域估計(jì)性能
        4.4.3 定位誤差分析
        4.4.4 模型結(jié)構(gòu)的影響
        4.4.5 模型訓(xùn)練時(shí)長(zhǎng)與在線定位延遲
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說(shuō)明
致謝



本文編號(hào)：3154599