论文部分内容阅读
在室内环境下,由于非视距、多径等干扰因素的存在,不适合利用传统的蜂窝网络、GPS等技术来实现定位,而WiFi信号受非视距的影响较小,并且WiFi热点部署广泛、成本较低、室内覆盖范围广,因此可以使用WiFi信号来实现室内定位。在室内场合下随着依赖于位置的应用服务增加,高精度定位方法的需求也相应增加,而高精度的需求促使了人们对定位算法的深入研究。无线信号强度可以用来表征位置信息,随着无线接收器对信号强度测量越来越精确,利用无线信号强度来定位的算法的精度越来越高,国内外许多优秀的学者对室内定位技术进行了深入的研究,提出了很多比较新的定位思想,拓宽了室内定位技术的研究领域,本文研究的重点是基于RSS(Received Signal Strength,RSS)的定位算法,主要介绍基于RSS测距的三角定位算法和基于指纹数据库的定位算法,并提出了优化和改进。文章在分析了测距和无需测距的各种经典的算法之后,深入分析了各种算法的优缺点,而在各种算法中,适用于室内场景下的算法主要有基于RSS测距的三角定位算法和基于指纹数据库的定位算法,随后说明了研究这两种算法的必要性。本文主要对基于RSS测距的三角定位算法和基于指纹数据库的定位算法进行分析和改进。针对三角定位算法中权值分配和RSS数据处理中存在的缺点,提出改进的PE加权三角质心定位算法,与现有算法不同的是,该方法首先对采集到的大量RSS数据进行滤波处理,然后提出新的权值计算方法,减少定位的误差。针对基于指纹数据库的算法提出基于神经网络的改进型指纹数据库定位算法NNIA算法,该算法在利用神经网络定位的基础上结合传统的指纹定位算法KNN,解决了因参考点分布及无线接入点变动而影响定位精度问题,提高了定位性能。最后,在实际的室内场景下,测量RSS数据,分别应用以上两种改进的算法进行仿真测试,将仿真测试得到的结果误差与典型定位算法得到的结果误差作比较,从比较的结果可以看出,两种不同的算法均能提高定位的精度,并对传统定位算法中的缺点做出了改进,而且还拥有传统算法不具备的优点。