论文部分内容阅读
随着无线网络技术的迅猛发展,基于位置的服务需求越来越大,而室内定位是研究的重点和难点。近年来,越来越多的研究人员投身于室内定位的研究中。而室内环境复杂多变,至今没有一个很好的算法能够适用于所有的室内环境。本文首先介绍了现有的一些经典的室内定位算法以及它们的优缺点,然后在这些算法的基础上提出了改进算法。本文的创新点和主要工作如下：1、针对天线非全向性的问题,本文在第3章中提出了一种基于Unscented卡尔曼滤波的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数容易受到环境的影响,而且环境是实时动态变化的,所以本文采用高斯滤波对RSSI值进行优化,并对环境参数使用线性回归算法进行优化并采用自适应机制进行更新。2、由于无线信号在室内传播过程中受到墙壁和室内物体的反射、信号自身的衍射、传播的多径效应和节点天线方向等的影响,使用传统的定位算法并不能达到很好的精度。大量的实验显示RSSI值与物理距离之间存在多对多的现象,针对这一固有特性,本文在第4章提出了一种基于n元距离组的指纹定位算法,建立RSSI值和距离的映射关系,使用高斯滤波对RSSI值进行优化处理之后,通过计算待定位点与训练集中的RSSI值的相似性得到映射距离集合,并使用K-means聚类算法对距离集合进行分类以减小计算复杂度。3、针对现有定位算法没有考虑天线测量角度这一重要因素,本文在第5章中提出了一种特征区域定位算法,将测量角度分区间讨论,并根据相同角度区间的数据之间的关系,运用智能算法找出区域内的特征点。通过计算待定位点与AP、特征点之间的欧几里德距离,确定待定位点所在的区域。本文的数据采集使用的是深联CC2430节点和TP-link路由器作为固定终端,移动终端使用的是Android智能手机,用于采集参考点的数据。使用本文算法对收集的数据进行定位,对定位精度都有不同程度的提高。