论文部分内容阅读
随着移动通信技术的飞速发展，人们对基于位置的服务(Location Based Services，LBS)需求日益增长。相比已经成熟的室外定位技术，室内定位在精度、成本、抗干扰等方面有更高的要求。目前最常见的基于接收信号强度(Received Signal Strength Indication，RSSI)的室内定位算法易受室内障碍物、信号多径效应等的影响，使得基于RSSI路径损耗公式计算得到的距离误差较大。针对室内环境中RSSI易受外界干扰和基于指纹的室内定位算法在线匹配准确性低、定位精度不高的问题，本文做了以下两方面的研究工作:
1.提出一种基于RSSI路径损耗的优化算法。通过分析RSSI的变化特征，选择具有代表性的参考节点数据定量计算真实环境中的路径损耗因子和距离偏差。根据待定位节点与无线接入点(Access Point，AP)间RSSI的测量值和距离偏差求出两者间距离的置信区间，得到置信区间的交集作为待定位节点位置估计的范围。
2.提出一种基于指纹匹配的室内定位改进算法。首先对RSSI进行预处理，减弱测量值不稳定对定位结果的影响;接着通过支持向量机算法(Support Vector Machine，SVM)对待定位节点进行区域分类，获取其对应的区域编号;遍历指纹数据库中区域编号一致的参考节点数据，将欧氏、曼哈顿和切比雪夫三种距离公式结合，计算两节点间RSSI的相似度得到位置估计;然后判断位置估计是否在置信区间的交集范围内，若在则将位置估计更新为交集的中心点;最后结合行人航位推算法(Pedestrian Dead Reckoning，PDR)进行粒子滤波(Particle Filtering，PF)输出定位结果。实验结果表明改进算法有效提高了室内定位的精度。
1.提出一种基于RSSI路径损耗的优化算法。通过分析RSSI的变化特征，选择具有代表性的参考节点数据定量计算真实环境中的路径损耗因子和距离偏差。根据待定位节点与无线接入点(Access Point，AP)间RSSI的测量值和距离偏差求出两者间距离的置信区间，得到置信区间的交集作为待定位节点位置估计的范围。
2.提出一种基于指纹匹配的室内定位改进算法。首先对RSSI进行预处理，减弱测量值不稳定对定位结果的影响;接着通过支持向量机算法(Support Vector Machine，SVM)对待定位节点进行区域分类，获取其对应的区域编号;遍历指纹数据库中区域编号一致的参考节点数据，将欧氏、曼哈顿和切比雪夫三种距离公式结合，计算两节点间RSSI的相似度得到位置估计;然后判断位置估计是否在置信区间的交集范围内，若在则将位置估计更新为交集的中心点;最后结合行人航位推算法(Pedestrian Dead Reckoning，PDR)进行粒子滤波(Particle Filtering，PF)输出定位结果。实验结果表明改进算法有效提高了室内定位的精度。