论文部分内容阅读
随着科技的不断进步,人们对实现精准定位和导航服务的需求也在不断增加,已经不仅仅局限于室外的导航和定位,也衍生到了室内的精准定位。而由于室内环境的复杂性和特殊性,室外定位广泛使用的全球定位系统(Global Positioning System,GPS)无法满足室内定位对精度的需求,因此提供精确度更高、更加便捷的室内定位系统已经成为了目前研究人员的研究热点。基于以上的背景环境,本文对基于步行者航位推算(Pedestrian Dead Reckoning,PDR)的室内定位方法进行研究,为了得到更精确的位置信息,本文提出了一种步长估计方法来计算步长值,该值可以在测试过程中动态调整,使得调整后的步长值更符合测试者的实际步长,从而提高定位精度。通过对多种无线定位方法的研究,本文选用了基于接收信号强度(Received Signal Strength,RSS)指纹的室内定位方法,通过对该方法中的两个主要阶段进行分析,可以发现在离线建立指纹数据库阶段通过采用K均值(K-means)聚类方法对数据库进行预处理,可以降低计算量、提高定位速度。对于在线匹配阶段,通过使用加权K邻近(Weighted K-Nearest Neighbor,WKNN)算法可以提高定位精度。对PDR定位和RSS指纹定位方法进行分析和研究,可以发现PDR定位在短时间或短距离内具有较高的定位精度,但由于其定位误差随时间累积,使得该方法不适合长时间或长距离使用。基于RSS指纹的定位方法信号覆盖范围广,不存在定位误差的累积,但由于其计算量较大导致定位时间长,还会由于其信号强度稳定性不高以及信号空间存在对称性问题使得容易产生定位跳跃点,从而造成定位结果不具备连续性。基于以上两种定位方法的优缺点分析,本文提出了一种基于Android平台的PDR和RSS指纹融合的室内定位算法。在该算法中提出了基于无线信号强度比较的有效性判断方法,可以解决RSS指纹定位中由于无线信号稳定性差造成的定位结果不连续问题。此外,本文提出的融合算法通过引入地图匹配方法纠正当前位置,降低定位误差。本文还提出了基于自适应参数的融合方法,可以在定位过程中根据PDR和RSS指纹定位的实时精确度动态调整融合参数,使得精度较高的定位方法在融合过程中占据较大的权重。本文在Android平台上设计和实现了室内定位系统,实验结果表明,使用本文提出的基于PDR和RSS指纹融合的室内定位算法,可以使得两种定位方法的优势互补。本文开发的定位系统成本较低,方便携带,便于广泛推广和应用。