论文部分内容阅读
随着无线局域网(Wireless Local Area Networks,WLAN)的覆盖和4G网络的推广,人们能随时、随地、高速的接入互联网,获取自己需要的信息,诸多基于位置信息的应用也应运而生,新的问题也随之而来。由于不同移动终端硬件及实现差异,导致在定位过程中处于同一位置的移动终端采集到的无线访问接入点(Access Point,AP)信号强度(Received Signal Strength Indication,RSSI)不同,引起定位误差。为此,本论文首先在实际室内环境中采集WiFi数据,分析移动终端设备之间的差异性。在分析过程中,发现移动终端设备所获得的RSSI数值异常值,与环境瞬间变化有关。基于此,本文通过设定置信区间来修正同一AP获得的RSSI异常值,来提高定位准确度。其次,探索解决终端设备差异性问题的解决方案。通过对比不同设备在多时段所采集的RSSI数据,发现当不同设备在同一位置采集周围AP无线信号时,不同设备所采集的RSSI数值趋势大致相似。利用上述发现,借鉴加权K近邻(Weighted K-nearest Neighbor,WKNN)算法中权重因子的概念并结合Pearson相关系数,提出一种基于Pearson相似度的终端差异消除方法。在该算法中需要计算定位设备所采集的数据与位置指纹数据库内每一个采样点指纹数据之间的Pearson相关程度,并将计算所得的结果作为一个系数因子,解决不同设备所获得的RSSI数据不匹配的问题。最后,在基于Android的平台上验证了提出的基于Pearson相似度的终端差异消除方法的有效性。实验将三款不同智能终端设备分别与不同的现有算法相比较,发现本文提出的方法有效地降低了终端设备差异性,减少了室内定位误差,提高了室内定位准确性。实验结果表明,对于同构设备,基于Pearson相似度的终端差异消除方法在1.5m以内的定位精度保持在85%以上;对于异构设备,定位精度保持在70%以上。