论文部分内容阅读
物联网技术的快速发展和基于位置服务的广泛开展引起了新一轮的无线定位研究热潮。目前室外的定位系统利用卫星和移动通信网络,并充分结合二者的优点实现了快速、准确的定位。但是因为应用本身需求的差异,人们对室内定位系统精度的要求远高于室外,再加上信号在有限的空间中更容易受到受墙壁、天花板、障碍物的遮挡,定位效果很难达到预期。在相关的工作中,由于采用的接收信号强度数据处理方法、离线数据库训练方法、在线位置估计算法以及实时追踪算法涉及丰富的数学理论且存在可观的改进空间,基于位置指纹的Wi-Fi定位系统一直作为热点研究内容受到了来自高校、研究所,以及企业研究团队的广泛关注。基于RSSI位置指纹的Wi-Fi定位系统可以灵活设置参考点,定位的实现不需要使用几何法求解,避免了由初始测量值以及迭代计算过程所引入的误差。但实际中不同的移动终端读出的RSSI数值会因为供应商和芯片组制造商使用不同的测量标准而存在差异,同时还可能受温度、同频信号等干扰因素的影响而发生明显的波动。由此本文进行了单AP接收信号强度的采集实验并对RSSI数值的稳定性进行了研究,通过对数据统计处理的结果进行的可视化分析展示了实际环境中Wi-Fi信号的功率传播特性。针对因实验条件有限导致的理论工作者不能高效地获取用于验证所提定位算法性能的丰富、可靠、有代表性的RSSI实测原始数据的问题,本文设计并实现了一种基于双射线追踪的室内RSSI指纹空间模型。该模型通过Friis方程与麦克斯韦方程组以射线追踪的方式追踪直射路径上的接收信号强度,结合信号的能量反射系数又可以计算出经反射后信号接收强度的变化情况,最后利用综合了直射加单次反射的双射线RSSI追踪算法对空间参数已知的室内环境进行“直射+单次反射”双类型共计七条射线的RSSI追踪来建立位置指纹数据库。这种模型的实现能够为定位算法的验证环节提供大量的灵活、可靠的RSSI数据,并提供对相同实验环境下反复实验的支持,有利于理论研究的延续和深入。针对基于K近邻预测的在线定位算法抗干扰能力差且只能逐一独立地估计移动轨迹上的各点的位置坐标的问题,本文通过对连续匀速移动假设的建模引入Kalman滤波方法并联合K近邻实现了一种定位误差随在线轨迹增长收敛的实时位置指纹定位算法。最后,本文通过大量的数据实验验证了所提RSSI空间模型和联合定位算法的有效性,总结已完成工作的同时对未来的研究方向也作了预测。