论文部分内容阅读
在过去的几十年中,室内位置服务需求的爆发式增长为室内定位技术研究提供了肥沃的土壤和基础。由于卫星信号在室内环境中无法穿透墙壁被全部接收,因此各种各样基于无线网络、蓝牙、射频识别、超宽带和电磁等技术的无线定位方法被相继提出。在这些方法中,无线接入点的广泛部署和移动设备的普及使用使基于无线(Wireless Fidelity,Wi Fi)信号的室内定位吸引了极大的关注。通常室内环境是复杂且动态变化的,而许多已经存在的基于Wi Fi的室内定位方法都忽略了环境变化因素容易导致定位的失效。本文在研究分析了大量Wi Fi定位算法的基础上,通过引入反馈修正、Voronoi图区域划分和误差过滤等知识,提出了新的基于Wi Fi定位算法,旨在降低环境因素对定位精度的影响,提高定位服务的精确性。主要工作如下:(1)在基于信号衰减模型的基础上,针对室内接收信号强度(Received Signal Strength Indicator,RSSI)测距算法中接收信号容易随着环境的变化从而失效,提出一种基于RSSI反馈修正的室内定位优化算法。该算法为了减小环境因素带来的测距误差,在定位前首先通过拟合实验确定最小定位区域,并在该子区域中利用节点间的几何关系估算路径损耗参数。同时引入向量混合积的概念对选取的信标节点进行过滤,使锚节点得到充分使用,同时降低了定位算法对初始锚节点数量的需求。最后,通过计算信标点的定位误差来修正目标点的位置,进一步减少定位偏差。(2)针对现有的无线网络位置指纹特征定位方法精度低、计算复杂度高的问题,提出了一种改进的聚类密度加权的k近邻(k-nearest neighbors,k NN)位置指纹定位算法。改进后的算法首先通过均匀设计方案均匀选择定位区域内的种子点,根据选取的种子点利用Voronoi图对定位区域进行划分,同时引入狄克逊准则对粗大误差进行过滤,精确判断待定位节点所在的区域,最后考虑到传统的k NN算法定位精度低的问题,将聚类方法与k NN融合,利用改进的区域密度加权方式获取目标点定位结果。(3)考虑到在变化不定的室内特殊环境中,RSSI会因多径效应等因素限制其定位的准确度,提出了一种改进的基于信道状态信息(Channel State Information,CSI)的室内定位算法,算法将采集到的CSI信号作为指纹信息,建立指纹地图进行定位,极大减缓了多径效应对定位结果的影响。