论文部分内容阅读
随着无线网络技术和计算机应用的不断发展,基于位置服务(Location-based Services,LBS)在生活多个领域被研究与应用,主要用于方便人们实时获取需要的位置信息。当前室外定位的常用手段——全球定位系统(Global Positioning System,GPS)在室内环境中很难接收到信号,无法满足人们对室内位置服务的要求,因此催生了针对室内复杂环境的定位技术。对比多种室内定位技术,基于无线局域网(Wireless Local Area Networks,WLAN)的接收信号强度(Received Signal Strength,RSS)定位系统无需其他的硬件设备,成本低,被广泛应用在实际生活中。在WLAN室内定位环境中,为获取较高定位精度,必须要进行大量的工作——采集大量指纹点的RSS值,同时RSS信号具有时变性,需要定期更新指纹库。针对采集指纹点工作量大的问题,本文提出基于KFCM-LMC-LSSVM室内定位算法。利用核模糊C均值聚类(Kernelized Fuzzy C-Means,KFCM)对待定位的区域进行区域划分,判断待测点所属区域后,在该区域利用低秩矩阵填充(Low-rank Matrix Completion,LMC)理论快速建立指纹库模型,利用不精确拉格朗日乘子法(Inexact Augmented Lagrange Multipliers,IALM)算法对模型进行求解,重构出具有高密度指纹点的指纹库。最后利用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)训练指纹点RSS值和物理坐标,定位出待测点的物理位置。通过实验表明KFCM-LMC-LSSVM算法具有较高的定位精度,并且能够有效地减少采集指纹点数据的工作量,能很好地满足WLAN室内定位的需求。最后在安徽泾县的中国宣纸集团宣纸文化园进行实际场景的应用,根据项目的需求,实现基于Android平台的室内定位系统,该系统结合了电子标签定位和WLAN定位,向游客展示宣纸文化旅游的详细景点信息,提供地图导航、定位、景点信息推送等服务。通过实践验证,该系统能够定位精确,具有一定的实用价值。