论文部分内容阅读
随着移动互联网和通信技术的发展,基于位置的服务在生活中应用越来越广泛,促使定位技术特别是室内定位技术越来越得到重视。基于位置指纹的WIFI(Wireless Fidelity)室内定位技术由于其覆盖广、成本低、部署简单等优势,成为了室内定位领域的研究热点。然而,室内环境复杂,干扰众多,这使得WIFI在室内传播过程中具有强烈的时变性、非线性,很难找到其变化规律。XGBoost(Extreme Gradient Boosting)算法能高效拟合非线性数据,却很少应用于室内定位领域。本文针对上述问题,提出一种基于CCH-XGBoost(Candidate Construction Algorithm Based on Histogram-Extreme Gradient Boosting)的室内定位算法,主要工作如下:(1)分析了WIFI传播过程中的影响因素。室内环境复杂多变,能够对WIFI信号产生影响的因素众多。本文对其中最主要的几点因素进行分析,从原理层面解释了它们对WIFI传播产生影响的原因。(2)搭建实验平台,采集实验区域WIFI信号强度数据,并根据数据对WIFI信号传播过程的性质进行研究。首先研究了WIFI信号在时间、空间维度的性质,得出WIFI强度具有时变性,一定时间内的规律性,空间上的无规律性并与距离成反比。然后研究了终端朝向的影响,得出其对WIFI信号的影响可忽略不计。(3)根据WIFI的性质,提出了基于CCH-XGBoost的位置指纹室内定位算法。该算法从WIFI的时间、空间维度的性质出发,提出了基于直方图的候选构造算法(CCH),能够在线下阶段构造AP(Access Point)直方图,然后快速地筛选出指纹数据的候选RP(Reference Point),提高位置指纹定位算法的速度和准确度。最后利用XGBoost算法训练一个二分类树模型,该模型对WIFI的非线性特征拟合程度很高,能有效提高定位算法的准确度。(4)基于公共数据集与实验室数据集,验证了算法的性能并进行了分析。公共数据集验证了算法匹配定位结果并与近邻算法、XGBoost多分类、神经网络算法进行比较。之后,分析了候选RP构造算法中的两个阈值对定位结果的影响。实验室数据集验证了算法多RP融合定位结果并与近邻算法进行比较。实验结果表明算法的有效性,定位准确度高并且定位误差低。本文从统计学及WIFI信号性质的角度提出的定位算法,经过验证能够有效提高位置指纹室内定位的定位速度与定位准确率,达到本文预期。