论文部分内容阅读
近年来,由于WLAN在室内环境的广泛部署,用户可以通过手机、笔记本和PDA等移动设备随时随地接入无线网络。同时,人们对于位置的需求越来越强烈,而室外环境的全球定位系统不能应用到室内环境中,因此基于WLAN的室内定位系统受到人们的广泛关注。而在WLAN室内定位系统中,位置指纹定位算法以其定位精度高、普适性强和无需额外设备等优点,得到了广泛的应用。位置指纹定位算法主要分为离线和在线两个阶段,离线阶段主要建立位置指纹数据库,在线阶段根据一定的匹配算法,将当前采集到的信号值和位置指纹数据库进行匹配,得到定位坐标。现阶段的研究大多把在线阶段的匹配算法作为重点,以获得更高的定位精度,却忽视了对采集到的信号值进行处理并提取定位特征的过程。而WLAN位置指纹定位系统中的定位误差,部分是由于室内复杂环境下,采集到的信号中混入了噪声所造成的。而且,由于AP的数量越来越多,离线阶段生成的位置指纹数据库越来越庞大,从而导致在线阶段的实时性大大下降。为了减小噪声对定位精度带来的影响,同时减小工作量以提高定位的实时性,本文提出了基于工作量减少和定位精度提高的信号特征提取算法。首先,本文对位置指纹定位算法的过程进行了分析,对匹配算法进行了仿真比较并将KNN算法作为本文检验定位精度的算法。然后分析信号的特性,并对信号的样本数据进行预处理,去除偏差较大的样本数据。其次,分别从提高定位精度和减少工作量两方面分析信号特征的提取算法。在提高定位精度方面,本文提出采用对信号功率谱的对数平均值进行KL变换,以减小信号采集过程中混入的噪声对定位精度造成的影响;在减少工作量方面,本文提出利用改进的K均值聚类算法将定位区域分区,然后在每个子区域选择位置分辨能力较强的AP用于定位,提高在线阶段的定位实时性。最后,对本文提出的信号特征提取算法进行了验证。实验证明,本文提出的信号特征提取算法有效地提高了定位精度,并且减小了在线阶段的工作量。