论文部分内容阅读
WiFi(Wireless Fidelity)技术是一种无线通信技术,具有高传输速率、组网便捷、移动性强的特点。随着物联网时代的到来,位置服务越来越受到关注,在紧急救助、医疗保健、个性化信息传递等领域迸发出了巨大的活力。但是传统的定位技术如GPS(GlobalPositioning System)定位系统,在使用成本和便携性方面不能适用于变化复杂的室内环境。基于WiFi信号的室内定位技术凭借其使用范围广、低成本、便携性等优势成为了室内环境位置感知领域的研究热点。利用现有的WiFi信号进行室内定位,通常选择接收信号强度RSSI作为定位的特征参数; RSSI定位算法有基于测距和无需测距之分。基于测距的定位算法利用室内传播损耗模型计算距离,对室内模型依赖性比较大;无需测距的定位算法采用位置指纹算法,只需测量RSSI值建立指纹库,每个指纹唯一对应一个位置信息,未知指纹与之匹配即可估计出未知位置的信息,实现简单。本文研究了位置指纹算法的定位原理,指出了定位过程中可能产生误差的影响因素,并全面深入的分析了误差来源,并指出了现有位置估计算法的局限性。在深入剖析了现有位置指纹算法的不足的基础上,本文提出了一种基于k-means和WKNNSS的位置指纹算法。该算法通过对采集的RSSI值进行多次测量求均值初步建立指纹库,然后利用k-means聚类分析训练指纹库,去除一些相似度非常小的指纹;实测指纹与训练之后的指纹库匹配,提高了指纹库的准确性,并减小了匹配的搜索空间,达到减小指纹库对定位结果的影响。在位置估计阶段,引入新的权重系数的计算法,提高WKNNSS的定位精确度,降低了近邻算法对定位结果的影响。最后,本文对定位环境中可测的AP信号数目对定位结果的影响,仿真实验证明了改进算法在不增加其他开销的前提下,与原有位置指纹算法相比,能够有效降低定位误差,其算法性能稳定。