论文部分内容阅读
随着移动互联网的飞速发展,WiFi网络迅速普及,遍布于办公室、学校、大型商场等各个场所,深入人们的工作、学习和休闲娱乐生活中,为人们提供便捷优质的网络服务。同时,基于位置的服务受到广大用户的关注和青睐,而基于WiFi的定位技术,以其部署成本低、容易实现、定位精度高和易于扩展等优势,引起人们的高度关注,迅速成为室内定位技术的研究热点。本文通过对基于WiFi室内定位技术研究现状的分析总结,针对传统确定性指纹匹配KNN算法需要匹配大量指纹数据且定位精度不足的问题,设计了针对KNN算法的过滤指纹定位算法,改进了定位过程,并设计实现了过滤指纹定位算法的验证系统,通过实验方法验证了改进算法的可行性、有效性和算法性能。本文主要研究工作如下:确定性指纹匹配KNN算法,通过匹配在定位点上测量得到的各个AP的信号强度与指纹参考点的信号强度的欧式距离,选择距离最小的K个点的质心作为定位的估计位置。该算法需要计算指纹库中每个指纹点与定位点多个AP信号强度的联合欧式距离,计算量大,在针对匹配数据过大问题的已有研究中,通常引入其他设备(如Zigebee),利用其信号特征(如Zigbee ID),将指纹库划分成小块,以减少需要匹配的指纹个数。本文基于过滤、将定位匹配过程分步进行的思想,在不引入其他设备的情况下,设计了基于WiFi信号强度自身的过滤方法,在计算联合欧式距离之前,设置单个AP的信号强度有效区间,将指纹库中的参考点先过滤,在过滤后的指纹点中再使用KNN算法进行匹配定位,能减少需要匹配的指纹数量,降低定位延迟。同时,KNN算法使用的是多个AP信号强度的联合欧式距离,并不能区分单个AP中定位点与指纹点信号强度的差距,而改进的过滤算法则从单个AP的角度,对每个AP的信号强度差距做了粗略区分,增加了K个指纹参考点选取时的准确性,能提高定位精度。过滤指纹定位方法的关键是过滤区间的选择,本文通过RSSI信号强度在不同RSSI均值下波动情况的研究,设计了基于RSSI信号强度值的过滤区间简易自适应方法。针对指纹过滤后,剩余指纹个数不一定满足KNN算法中K值要求的情况,通过对K值变化对定位精度影响程度的研究,给出了相应的解决方案,即K取值3、4、5、6对定位的影响较小,缺省值K取5,若个数不足5个则K减小但不小于3。设计实现了过滤指纹定位算法,并通过实验结果分析了算法性能。在实际室内Wi Fi环境中,部署定位AP,采集指纹数据库,随机选取测试点,通过验证系统,得到定位结果。通过对测试点的定位误差结果的数据统计与分析,分析了过滤指纹定位算法的定位性能。实验结果表明,相对于KNN定位算法,过滤指纹定位方法在没有增加时间复杂度的情况下,在定位精度上有了一定程度上的提高,验证了过滤算法的可行性和有效性。