论文部分内容阅读
随着各种无线设备的日益普及,无线定位技术得到较多的应用,无线局域网因其广泛的覆盖范围成为了室内定位的更好选择。目前大部分无线局域网的定位技术都是基于到达时间、到达时间差和到达方向等,但这些信息需要发射机与接收机之间的准确同步,实现难度大,基于接收信号强度RSS的解决方案利用待测点感应的来自接入点AP的信号强度,且不需要专门设备支持,减少了额外的系统负担。无线环境的复杂性和不同无线客户端之间的物理性能和软件差异,导致了信号强度特性在不同无线客户端之间存在非常大的差异。本文采取位置指纹方法解决了如上问题。方法在离线阶段,通过采集初始参考点处接收到的各个AP的信号强度值,并经过信号室内传播特性分析及信号预处理过程建立Radio Map,并以此训练算法,在线阶段以信号覆盖图为基础,在待测点进行空间信号的实时采样,然后通过算法匹配得出对采样数据的位置预测结果。本文所设计模糊逻辑信号强度识别算法在结构辨识方面采用了减法聚类法,通过定义数据点的密度函数,将一个模糊空间内具有最大密度的数据点选为聚类中心,从而将一个模糊集划分为若干的模糊子集。然后通过神经网络BP算法调节IF-THEN规则的前、后件参数,从而达到系统误差最小的目的。信号强度均值具有较好的位置依赖性,在此基础上,本文选取了单复杂性和双复杂性两个实验环境,在测试环境1中,多数参考点的信号强度直方分布图呈现双峰特性,极大的影响了均值的位置依赖性,也是造成定位算法泛化能力下降的主要原因,通过微波暗室及网卡互干扰性实验发现,双峰现象的产生与网卡和AP的连接状态有关。为更加详细的分析系统性能,算法以自由空间的传播模型为基础进行了理想情况下仿真了系统性能。文章最后将本算法在两个测试环境内x轴和y轴的仿真定位结果与NN方法得到的结果相比较,仿真结果表明该算法在室内办公环境有较好的定位精度。