论文部分内容阅读
随着无线通信技术的迅猛发展和移动智能设备的广泛普及，用户对精确定位和定制化导航的相关服务需求日益增加，基于位置服务的相关应用也在网络社交、抢险救援、交通出行、智慧城市等领域发挥更加重要的作用。目前，虽然卫星的导航定位系统在室外能向用户提供优质服务，但是受信号传播的影响，室内定位的相关应用和服务受到极大限制。同时，WIFI以其方便快捷的接入方式和高效稳定的通信方式，已经成为室内通信的主要手段，使用WIFI定位也成为解决室内定位难题的有效途径。为此，本文基于WIFI位置指纹展开室内定位技术的相关研究，主要工作及创新点如下：
(1)提出一种基于K-median的改进WIFI定位算法。在离线阶段，构建真实的室内仿真环境，全面获取RSSI信号并进行预处理，选择K-median聚类算法对信号样本进行聚类，并建立位置指纹数据库；在线定位阶段，采集待测点的RSSI信号，确定信号样本所属的类别，并利用Tonimoto系数进行指纹匹配计算，最终得出待测点的位置信息。通过实验表明，本文算法与传统的KNN算法和基于K-means-KNN算法相比，定位精度有所提高，误差在3m以内的概率接近90%，算法的定位速度提高了42.93%。
(2)提出一种基于四叉树理论改进的算法，针对现有算法在指纹匹配阶段都需要遍历所有指纹，指纹匹配效率偏低的问题，采用四叉树作为数据存储结构，通过实现分区域查询，将匹配重点放在目标数据密度最大的区域，以减少查询数据的时间。通过实验表明，本文算法与传统的遍历算法和KD树相比，定位精度明显提升，定位误差在2m以内的概率达到85%以上，定位时间缩短近一倍。
(3)设计实现基于WIFI的室内定位系统。本文在研究提出各类改进算法的基础上，在终端设备和服务器上开发了相应的应用程序，其中，客户端软件实现数据采集训练、指纹数据交互和定位结果显示等功能，服务器软件实现指纹数据库的建立维护和在线指纹匹配等功能。通过实验表明，本系统各项性能表现良好，定位精度和速度达到设计要求，基本满足室内定位的各项需求。
(1)提出一种基于K-median的改进WIFI定位算法。在离线阶段，构建真实的室内仿真环境，全面获取RSSI信号并进行预处理，选择K-median聚类算法对信号样本进行聚类，并建立位置指纹数据库；在线定位阶段，采集待测点的RSSI信号，确定信号样本所属的类别，并利用Tonimoto系数进行指纹匹配计算，最终得出待测点的位置信息。通过实验表明，本文算法与传统的KNN算法和基于K-means-KNN算法相比，定位精度有所提高，误差在3m以内的概率接近90%，算法的定位速度提高了42.93%。
(2)提出一种基于四叉树理论改进的算法，针对现有算法在指纹匹配阶段都需要遍历所有指纹，指纹匹配效率偏低的问题，采用四叉树作为数据存储结构，通过实现分区域查询，将匹配重点放在目标数据密度最大的区域，以减少查询数据的时间。通过实验表明，本文算法与传统的遍历算法和KD树相比，定位精度明显提升，定位误差在2m以内的概率达到85%以上，定位时间缩短近一倍。
(3)设计实现基于WIFI的室内定位系统。本文在研究提出各类改进算法的基础上，在终端设备和服务器上开发了相应的应用程序，其中，客户端软件实现数据采集训练、指纹数据交互和定位结果显示等功能，服务器软件实现指纹数据库的建立维护和在线指纹匹配等功能。通过实验表明，本系统各项性能表现良好，定位精度和速度达到设计要求，基本满足室内定位的各项需求。