论文部分内容阅读
作为基于位置服务(LocationBased Service, LBS)核心技术之一的定位技术随着智能终端的迅速普及,巳经成为当今移动互联网技术中的研宄热点。其需求也从基于GPS的室外定位发展到高精度、低延迟的室内外无缝定位。为了满足各种用户、企业的定位需求,针对定位方法的研究也正不断地深入。特别是基于智能终端的室内定位技术,由于基于测距的传统定位方法需要额外的硬件支持和较高的部署成本,新型定位手段如利用IP地址、指纹库查询等非测距方法逐渐被人关注。在最近的研宄中,利用WLAN信号强度建立定位指纹库的方法由于其低成本、覆盖区域广等优点成为了最具潜力的移动终端室内定位方法。不少利用WLAN指纹的新型定位方法被提出与推广,其中主要是从两个方面做出创新和研宄:一方面从指纹库的鲁棒性考虑,即建立更加有效的指纹库进而提升定位系统的性能;另一方面是从定位匹配算法来考虑,即使用更加有效的手段从有限的指纹数据中分析得到更准确的定位结果。本文针对基于智能终端的室内定位技术,分别从指纹库的鲁棒性和定位匹配算法的高效性两个方面展开了研究,主要提出了以下创新点:第一,本文针对传统的接收信号强度(RSS)作为室内定位指纹的缺陷,提出了一种基于信道估计的新型定位指纹设计方法,并实现了一套基于云平台的室内定位系统对其方法进行了实验验证;第二,本文进一步提出利用核密度估计的方法进行室内定位指纹的釆集和提取,有效地实现了在保证定位精度和稳定性的同时,多种不同型号的设备共用同一套室内定位指纹库及定位系统;第三,本文提出了一种基于指纹聚类的室内定位方法,通过在定位系统的离线模式下对指纹库中的指纹数据做分类预处理,有效的降低了定位反应时间并提高定位精度。针对基于Wi-Fi指纹的定位系统,如何减少指纹库建立的成本并降低其维护的难度?传统的指纹室内定位系统需要在定位系统运作的前期做大量的指纹釆集的工作。由此,本文的第一个研究方向是针对上述问题的Wi-Fi指纹定位的系统设计,并进一步的提出了利用信道估计以及核密度估计的方法对传统的指纹数据采集和提取的方法做出了改进。信道估计的定位指纹釆集方法主要解决了移动终端在釆集指纹过程中,接收信号强度RSS在室内多径信道下的不稳定性;而核密度估计的指纹釆集与提取方法主要解决了多型号的移动终端所采集到的RSS指纹的差异性问题。本文分别利用提出的两种指纹采集方法进行了实验验证,仿真和实验都证实了新型指纹数据具有更强的鲁棒性,有效地解决了室内环境和移动终端多样性问题。在指纹数据足够准确的前提下,如何更有效的利用指纹数据,将精确的定位结果在很短的时间内计算并反馈给用户?定位解算的算法的优劣极大的影响到定位响应延迟,定位计算复杂度,进一步影响到用户的在线体验。己有的很多研究成果针对定位匹配算法做出了很多的改进,包括传统的K-最近邻居法(K-NN算法),模糊匹配算法,图案匹配算法等等;但是,在一个包含大量指纹数据的指纹库中查找并匹配计算定位结果,其定位响应时间和数据库查找和计算复杂度是巨大的,特别是在大量用户并发地请求定位的时候。因此,本文针对大数据指纹库的定位匹配方法提出了基于指纹聚类的室内定位方法。相对于传统的RSS匹配算法,有效的减少了数据库的查询操作;而相对于己有的指纹聚类方法,本文采用了分类匹配与定位匹配相结合的定位方法,降低了定位响应时间与计算复杂度。从最后的仿真与实验测试结果中可以看到,本文提出的定位解算方法无论从定位精度还是在定位响应速度,都有明显的提高。