【摘要】：隨著智能終端的手持化和無線網(wǎng)絡(luò)的廣泛覆蓋,室內(nèi)外基于位置服務(wù)的需求呈現(xiàn)出增加與快速發(fā)展的趨勢(shì),并日趨廣泛的應(yīng)用在搶險(xiǎn)救援、醫(yī)療服務(wù)、旅游定位導(dǎo)航和監(jiān)控等領(lǐng)域,展示出良好的市場(chǎng)前景。為位置服務(wù)提供精確與實(shí)時(shí)的位置信息需求,將定位技術(shù)與提供的服務(wù)二者緊密聯(lián)系在一起。基于指紋匹配的無線局域網(wǎng)(Wireless Local Area Network,WLAN)室內(nèi)定位技術(shù),在利用現(xiàn)有的網(wǎng)絡(luò)硬件設(shè)施基礎(chǔ)上,通過各種便攜式的移動(dòng)終端,以純軟件的方式即可實(shí)現(xiàn)定位過程,成為近年來室內(nèi)定位技術(shù)領(lǐng)域的研究熱點(diǎn)。然而,室內(nèi)傳播環(huán)境的復(fù)雜多變,會(huì)導(dǎo)致RSS信號(hào)具有嚴(yán)重的時(shí)變性,使得信號(hào)與物理位置空間的映射關(guān)系不是唯一對(duì)應(yīng)的,嚴(yán)重影響了定位的精確度,給室內(nèi)基于指紋匹配的定位技術(shù)帶來了諸多問題,也對(duì)廣大研究人員提出了更多的挑戰(zhàn)。本文對(duì)基于指紋匹配的WLAN定位系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行了深入研究,分析了影響定位性能的主要因素。針對(duì)指紋匹配算法關(guān)鍵環(huán)節(jié)存在的不足,圍繞降低RSS信號(hào)時(shí)變特性的影響、減少定位計(jì)算的復(fù)雜度、實(shí)現(xiàn)定位系統(tǒng)的有效性與可靠性平衡為主要目標(biāo)。充分利用便于采集的未標(biāo)記樣本數(shù)據(jù),采用半監(jiān)督的流形學(xué)習(xí)、聚類分析、及數(shù)據(jù)挖掘理論,一定程度上改善了基于指紋匹配的WLAN定位技術(shù)。研究的主要內(nèi)容與創(chuàng)新點(diǎn)可歸納為以下幾個(gè)方面:第一,對(duì)典型的室內(nèi)定位系統(tǒng)進(jìn)行了比較與分析,重點(diǎn)對(duì)定位原理,構(gòu)建成本、定位精度和適用的場(chǎng)景幾個(gè)方面進(jìn)行了詳細(xì)介紹,并在此基礎(chǔ)上,對(duì)基于WLAN的位置指紋定位技術(shù)進(jìn)行了深入研究。分別討論了指紋采集與位置解算兩個(gè)階段的關(guān)鍵技術(shù),總結(jié)指紋匹配算法、聚類分析、特征提取和指紋數(shù)據(jù)更新等環(huán)節(jié)的研究現(xiàn)狀與存在問題,對(duì)部分算法進(jìn)行了詳細(xì)介紹與研究,為后續(xù)算法的改進(jìn)提供理論基礎(chǔ)。第二,信號(hào)維數(shù)的約減與定位特征提取算法的研究。針對(duì)密集布設(shè)的無線接入點(diǎn)網(wǎng)絡(luò)環(huán)境條件下,直接利用接收的RSS信號(hào)作為定位算法的輸入,容易帶來定位信息冗余與噪聲干擾,直接影響定位性能,提出了基于半監(jiān)督的降維與特征提取(Semi-supervised Dimensionality Reduction and Feature Extraction,SDE)定位算法。用以挖掘高維數(shù)據(jù)空間存在的低維流形結(jié)構(gòu),實(shí)現(xiàn)高維空間RSS信號(hào)的低維嵌入,在保持其判別能力的前提下提高信號(hào)的可信度,有效的提高了系統(tǒng)定位精度。所提算法利用了移動(dòng)用戶志愿者采集的隨機(jī)樣本數(shù)據(jù),通過半監(jiān)督學(xué)習(xí)即可提取具有最大判別能力的低維定位特征,不僅算法的復(fù)雜度低,而且減少了在線定位匹配的計(jì)算量,從而降低用戶終端的定位能耗。第三,減少RSS信號(hào)位置解算搜索空間算法的研究。室內(nèi)定位技術(shù)中,離線階段構(gòu)建的指紋數(shù)據(jù)庫(kù)中參考點(diǎn)數(shù)目及RSS信號(hào)的維數(shù),是影響指紋匹配算法搜索區(qū)域的主要參數(shù)。為此,可以采用聚類分塊算法,將定位區(qū)域全部的參考點(diǎn)劃分為若干子區(qū)域,在各個(gè)子區(qū)域建立特征提取學(xué)習(xí)模型。鑒于已有的聚類分塊算法存在分類準(zhǔn)確度不高、無法克服信號(hào)非線性和時(shí)變性的不足,提出了結(jié)合c均值的半監(jiān)督仿射傳播聚類(Semi-supervised Affinity Propagation Clustering,SAPC)算法。該算法通過已知的標(biāo)簽數(shù)據(jù)調(diào)整相似度矩陣,然后在新得到的矩陣上進(jìn)行聚類分析,最后對(duì)聚類結(jié)果進(jìn)行調(diào)整。相比其它算法而言,所提算法提高了分類的正確性,更好地平衡了定位精度與計(jì)算復(fù)雜度的關(guān)系。第四,指紋數(shù)據(jù)庫(kù)的重建與更新算法的研究。圍繞指紋數(shù)據(jù)庫(kù)的靜態(tài)特性給定位結(jié)果帶來的較大誤差,提出了基于移動(dòng)用戶運(yùn)動(dòng)軌跡模型的指紋更新算法。通過建立基于用戶位置的隱馬爾可夫模型(Hidden Markov Model,HMM),將實(shí)時(shí)接收的RSS信號(hào)作為觀察序列,其后隱藏的相關(guān)位置信息可通過對(duì)HMM參數(shù)求解獲得,進(jìn)而實(shí)現(xiàn)對(duì)指紋數(shù)據(jù)的實(shí)時(shí)更新。所提算法有效的減少了指紋數(shù)據(jù)庫(kù)的重建與更新而帶來的勞動(dòng)力消耗,有利于室內(nèi)定位系統(tǒng)的大規(guī)模推廣和應(yīng)用。與采用靜態(tài)指紋數(shù)據(jù)庫(kù)的定位算法相比,更新后的指紋數(shù)據(jù)能夠更好的克服環(huán)境變化導(dǎo)致的信號(hào)波動(dòng),提高系統(tǒng)的定位精度與穩(wěn)健性。
[Abstract]:......
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN925.93

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳冬牛;用于零件成組的多目標(biāo)聚類分析[J];成組生產(chǎn)系統(tǒng);1986年01期

2 李斌,郭劍毅;聚類分析在客戶關(guān)系管理中的研究與應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年02期

3 曾憲華;羅四維;;動(dòng)態(tài)增殖流形學(xué)習(xí)算法[J];計(jì)算機(jī)研究與發(fā)展;2007年09期

4 曾憲華;羅四維;;局部保持的流形學(xué)習(xí)算法對(duì)比研究[J];計(jì)算機(jī)工程與應(yīng)用;2008年29期

5 劉志勇;;基于保距與保拓?fù)涞牧餍螌W(xué)習(xí)算法[J];長(zhǎng)江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2010年02期

6 閆志敏;劉希玉;;流形學(xué)習(xí)及其算法研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年05期

7 楊海紅;;流形學(xué)習(xí)中鄰域大小的選擇算法[J];山西煤炭管理干部學(xué)院學(xué)報(bào);2011年01期

8 周華;蔡超;丁明躍;;基于流形學(xué)習(xí)和流形高階近似的圖像距離度量[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

9 石陸魁;張軍;宮曉騰;;基于鄰域保持的流形學(xué)習(xí)算法評(píng)價(jià)模型[J];計(jì)算機(jī)應(yīng)用;2012年09期

10 談超;關(guān)佶紅;周水庚;;增量與演化流形學(xué)習(xí)綜述[J];智能系統(tǒng)學(xué)報(bào);2012年05期

相關(guān)會(huì)議論文 前10條

1 梅翠;;我國(guó)各地區(qū)居民收入差距及其對(duì)消費(fèi)的制約[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 李均立;傅國(guó)華;;海南各縣(市)經(jīng)濟(jì)實(shí)力的聚類分析[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 劉黃金;曹林峰;;南京服務(wù)業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第十次學(xué)術(shù)年會(huì)論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達(dá)譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學(xué)會(huì)第七屆代表大會(huì)暨學(xué)術(shù)研討會(huì)論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營(yíng)業(yè)績(jī)的聚類分析[A];中國(guó)數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究學(xué)會(huì)第十二屆學(xué)術(shù)年會(huì)論文集[C];2008年

6 陳國(guó)華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國(guó)企業(yè)運(yùn)籌學(xué)[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評(píng)價(jià)與測(cè)量效度關(guān)系探討[A];第九屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編(4)[C];2011年

8 宋欣;王娟;張斌;葉世偉;;流形學(xué)習(xí)算法分析及在人臉數(shù)據(jù)庫(kù)上的應(yīng)用[A];2008年全國(guó)開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2008年

9 牛東曉;乞建勛;;網(wǎng)絡(luò)資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國(guó)管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2001年

10 劉曉平;季浩;鄧偉財(cái);;基于流形學(xué)習(xí)的非線性系統(tǒng)可視化算法[A];全國(guó)第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2010）暨全國(guó)第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 夏穎;WLAN室內(nèi)半監(jiān)督定位及指紋更新算法研究[D];哈爾濱工業(yè)大學(xué);2016年

2 戴震龍;幾類問題基于自然邊界歸化的算法研究[D];南京師范大學(xué);2017年

3 蘇祖強(qiáng);基于泛化流形學(xué)習(xí)的風(fēng)電機(jī)組傳動(dòng)系統(tǒng)早期故障診斷方法研究[D];重慶大學(xué);2015年

4 馬婧華;基于流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械早期故障融合診斷方法研究[D];重慶大學(xué);2015年

5 邢向磊;流形學(xué)習(xí)與稀疏表示在模式識(shí)別中的應(yīng)用[D];南京大學(xué);2013年

6 盧磊;機(jī)械加工過程中的早期故障微弱信號(hào)處理方法研究[D];哈爾濱工業(yè)大學(xué);2016年

7 郝中華;基于微分流形的非線性降維方法研究[D];上海大學(xué);2016年

8 黃紅兵;層次流形學(xué)習(xí)及其在監(jiān)督分類中的應(yīng)用[D];上海交通大學(xué);2015年

9 杜春;流形學(xué)習(xí)及其應(yīng)用算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

10 李月仙;基于拉普拉斯特征映射算法的旋轉(zhuǎn)機(jī)械故障診斷研究[D];太原理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張曉丹;WSN中基于改進(jìn)粒子群優(yōu)化算法的分簇拓?fù)渌惴ㄑ芯縖D];鄭州大學(xué);2017年

2 賈yN愷;基于深度特征學(xué)習(xí)的目標(biāo)檢測(cè)與跟蹤算法研究[D];西安科技大學(xué);2017年

3 張燦龍;不確定DM-chameleon聚類算法在滑坡危險(xiǎn)性預(yù)測(cè)的研究及應(yīng)用[D];江西理工大學(xué);2017年

4 胡浩松;基于流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障識(shí)別方法研究[D];燕山大學(xué);2015年

5 李元俊;大學(xué)生就業(yè)能力培養(yǎng)與社會(huì)需求的匹配性研究[D];山東建筑大學(xué);2015年

6 馮雪冰;基于模糊理論的EM算法在聚類分析的應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

7 丁春濤;基于圖嵌入的判別近鄰分析研究及應(yīng)用[D];蘇州大學(xué);2015年

8 黃銀;行業(yè)地區(qū)發(fā)展水平的聚類分析[D];蘇州大學(xué);2015年

9 郭俊峰;聚類分析下的股票投資價(jià)值挖掘研究[D];大連海事大學(xué);2015年

10 張旭;考慮風(fēng)電接入不確定性的節(jié)點(diǎn)特性建模研究[D];山東大學(xué);2015年

，

本文編號(hào)：2254358