论文部分内容阅读
随着位置服务(Location-Based Service,LBS)的迅猛发展,基于无线保真(Wireless Fidelity,Wi-Fi)位置指纹的室内定位已成为近年来界内的热门研究点之一,本论文首先深入研究了基于Wi-Fi室内定位理论,针对无线接入点(Access Point,AP)改变(包括位置移动或功率调整)与异种终端差异的问题,对现有方案进行学习对比,并提出了相应的解决方案,论文的主要工作如下:本文首先分析了实际场景中所采集的Wi-Fi数据及其特征,针对AP的改变使得指纹数据库失效而造成定位精度下降的问题,本文设计了自适应改变AP的定位(Adapted Positioning with Altered Aps,APWAA)算法,APWAA通过划分RSS向量和检查向量子集的分散程度来进行每次定位算法执行的侦测。若AP无改变,则会按照原有定位算法进行定位,反之就会通过基于聚类的方法识别密簇并定位目标。该算法根据信号相似性来识别密集簇,无需预设的类簇数目,有效剔除有改变的AP,使得定位性能得以保证。实验结果表明,APWAA的剔除精度达到79.6%,有AP改变的定位误差保持在有AP改变定位误差的95%以内,在改变AP数目不同时,误差平均提高20%。然后,针对定位时使用不同设备收到的RSS不同导致定位精度下降的问题,本文提出了基于支持向量回归(Support Vector Regression,SVR)的RSS拟合方法以补偿终端的RSS,实验结果表明基于SVR的拟合方法较传统方法相比,能有效地减缓不同终端的RSS差异,能保持90%以上的定位精度,在本测试实验中执行SVR拟合后,小米5与魅族Pro6Plus手机分别有0.90米与1.81米的提高。最后,本文结合以上的分析与比较,设计并实现了一套基于C/S架构的Wi-Fi位置指纹定位系统,首先给出了系统实现的顶层思路,然后分别对Android客户端、服务器与数据库做出了详细设计介绍,并将算法应用至实际的Wi-Fi无线局域网环境中,实验结果表明,本文所设计的方法可以有效地剔除有改变的AP,并且适应不同终端设备。