论文部分内容阅读
随着无线局域网(Wireless Local Area Network,WLAN)和移动设备的普及,最近关于室内定位系统的研究已经逐渐将重心移到无线环境上面。当今主流的室内定位方式仍然是着重于运用携带式设备进行跟踪定位。但是自2013年以来基于Wi-Fi的室内定位系统也就是无设备被动式识别定位因其便捷,节能开始逐渐成为研究室内定位的重心,通过Wi-Fi接收到丰富的信道信息,经过预处理方法后提取相应的能表征信道特征的信息后,通过与测试数据集进行最大似然判决能够实现定位和有序的跟踪。基于射频(Radio Frequency,RF)指纹识别的一种不需要用户携带任何主动设备的被动式非携带定位方法,我们提出一种结合信道幅度响应(Channel Impulse Response,CIR)与到达角(Angle of Arrival,AoA)的指纹联合定位方法,其目的在于仅使用单个接入点(Access Point,AP)的情况下提高传统上进行被动式定位的精度。为了度量我们模型中训练序列与测试序列的相似性,我们使用琴森-香农距离(Jensen-Shanon Divergence)以及K临近(K-Nearest Neighbor,KNN)方法将聚类中心进行分类作为度量我们的测试数据与训练数据之间的距离差异。用户的位置将由测试数据与训练模型之间最小的距离所决定。实验结果证明我们的系统定位精度在传统的被动式定位系统的基础上实现了阶段性的突破,使得定位精度与准确率得到提升。更进一步地,我们在静态定位的准确性的基础上,通过采集室内信道状态信息(Channel State Information,CSI)和定位过程中得到的特征信息,由在线SLAM(Simultaneous Localization And Mapping)问题给出的一些解决方案提供的启发,提出了一种改进型的粒子滤波算法,完成了对室内目标的动态跟踪。