论文部分内容阅读
随着人工智能和物联网的高速发展，动态目标的定位技术得到了广泛的关注。尽管卫星导航定位技术在户外非常成熟，但是由于建筑物的遮挡，在室内环境下其定位效果并不理想。基于WLAN的位置指纹库定位技术因其硬件需求少，覆盖范围广等优势被广泛应用于室内定位中。但该技术易受环境因素影响，导致对动态目标定位的精度和实时性不高。本文从离线AP节点选择算法和在线定位算法两个方面对现有定位技术进行优化，旨在提高室内环境下动态目标的定位精度和实时性，本文主要工作如下: 1)离线阶段，针对现有AP节点选择算法忽略了AP节点对参考点的判别能力和AP节点稳定性，导致在线定位精度不高的问题，提出基于动态均值的Fisher-AP选择算法。该算法首先根据AP节点RSS局部相似性，采用K-means算法将指纹数据库进行定位区域划分成多个子区域，然后对每个子区域采用Fisher-AP选择策略过滤掉性能较差的AP节点，通过重构指纹数据库达到降低数据库的存储量和提高数据质量的效果，为在线阶段提供精确的指纹数据。 2)在线阶段，针对Bayes算法对动态目标定位时易受噪声和离线阶段所划分定位区域网格尺寸的影响导致定位精度不高的问题，提出基于动态区域选择的W-Bayes算法，该算法首先用动态区域选择策略来确定动态目标的子定位区域，然后只在子定位区域内完成对动态目标的定位，该算法将对动态目标的全局匹配缩小到基于子区域的局部匹配，达到降低计算量的效果，从而提高定位实时性，最后采用线性插值和多参考点加权策略相结合的W-Bayes算法对动态目标进行定位，在定位区域所划分网格尺寸不变的前提下，达到降低定位误差、提高定位精度的目的。 3)对本文提出的算法与Bayes算法、WKNN算法、KNN算法从定位精度、平均定位时间、平均定位误差三个方面进行了实验对比。实验表明，本文算法在定位区域较大、环境较为复杂的情况下与现有算法相比有更好的定位效果，本文算法对室内环境下动态目标的定位有较大的应用价值。