论文部分内容阅读
日常生活中,人员的活动和物资的存放主要都是在室内环境下进行的。随着无线通信技术的快速发展以及智能移动终端的逐渐普遍,在万物互联的趋势之下,人们对于位置服务的需求变得越来越多。随着WiFi设备在全球室内环境下的普遍部署,基于WiFi的室内定位技术也应运而生。该技术的优势是不必额外搭建硬件设备,精度高、成本低、功耗低,是未来最具发展潜力的室内定位技术之一。本课题对该室内定位技术进行了研究并且完成了以下几点工作:第一,对当今国内外的室内定位技术以及基于WiFi位置指纹的室内定位技术进行了总结分析,阐明了本课题研究的必要性。第二,对常见基于WiFi室内定位的方法分别进行了介绍,总结比较了各种方法的优劣。第三,针对在采集过程中出现的WiFi信号受干扰较大的问题,采用卡尔曼滤波算法对WiFi信号强度(Received Signal Strength Indication,RSSI)进行预处理,并将算法公式中的相关参数进行取值,使之更好地适用于滤波过程。从而有效地降低了环境和设备等因素带来的随机干扰,提高了离线指纹数据库的可用性以及后续在线定位结果的精确度。第四,在线定位阶段,针对大范围定位环境下AP(Access Point)设备增多,采用传统的K近邻法(KNN)将待定位点指纹与库指纹匹配时,会出现多个欧式距离相同的参考点,从而导致定位结果精确度不高的情况,为此将KNN算法进行了改进。第五,对改进的KNN算法进行了实验,并绘制了目标运动时的轨迹。实验表明了算法的有效性,在定位的精准度和响应时间上都有所改进。第六,在Android智能手机上设计开发了基于WiFi位置指纹的室内定位平台软件,加入了卡尔曼滤波算法和改进的KNN匹配算法。通过该软件平台进行了定位实验,实现了基于WiFi位置指纹的室内定位功能,验证了本文所提算法的有效性。