论文部分内容阅读
位置服务与人们生活息息相关,借助无线电通讯网络或者各国的卫星定位系统,人们在室外广阔空间的定位与导航服务已经相当成熟。然而对于卫星信号无法抵达的定位盲区如地下室、大型建筑等封闭环境中的定位服务,人们也有着迫切的需求。现今已有多种室内定位的相关技术如蓝牙技术、RFID(Radio Frequency Identification)、无线局域网和PDR(Pedestrian Dead Reckoning)等,受限于定位精度或者铺设成本,许多室内定位的解决方案并未得到广泛应用。研究低成本、可扩展性强及定位精准的室内定位解决方案成为当下热点。移动智能终端如智能手机、手环等,都是具有高便携性且运算能力较强的现代生活的必需品。鉴于移动智能终端的和WIFI技术的高度普及,本文将通过结合两者讨论一种可行的室内定位解决方案。本文的主要研究内容如下:首先分析了WIFI技术的原理及其在室内复杂环境中的信道特性,从而引出可由WIFI技术实现的各种室内定位解决方案,RSSI位置指纹方法在WIFI定位中运用较为广泛,但该方法存在的瓶颈之一便是在离线采集指纹的阶段会耗费大量人力和时间,导致其应用效率不高。本文通过分析WIFI信号在室内环境中信号分布的特性符合高斯分布,进而提出通过机器学习中的高斯过程回归模型,来对离线采集的位置指纹进行训练,通过得到的模型来对待定位区域的整体WIFI信号分布进行预测,从而减小离线采集时的位置指纹密度,以达到减少成本,提高应用效率的目的。然后对行人航迹推算PDR进行原理分析。由于智能手机普及度高,具有很强的运算能力,而且配备有多种传感器,可以通过传感器获得行人的运动状态从而分析行人的步长、步数以及运动朝向等信息,因此,本文探讨了PDR技术在智能手机上的应用,以此来进行室内定位。在实际的定位场景中,WIFI信号值的波动普遍存在,即便使用了密度较大的位置指纹库进行定位,结果有时也不尽人意。而使用PDR技术进行定位会有积累误差,结合两者的优缺点,本文提出利用位置指纹定位的同时结合PDR定位进行定位结果的修正,从而提高定位精度。