论文部分内容阅读
随着经济的高速发展,人们不断增加LBS(location based service,基于位置的服务)的需求。GPS、北斗等室外定位技术已经十分成熟,各种室外定位软件为我们的户外定位导航带来极大地方便。近年来,随着WiFi(Wireless-Fidelity,无线保真)技术的高速发展,人们对室内定位服务的需求也在不断增加,人们的视线开始由室外转向室内,作为LBS最后阶段研究的室内定位技术得到空前的重视。由于室内环境的复杂,GPS、北斗等室外技术难以满足室内定位的需求,越来越多的人开始研究基于RSSI的WiFi室内定位。传统的基于RSSI的WiFi室内定位算法定位精度低,定位误差大。为了提高室内环境的定位精度,提出了基于BP神经网络的室内定位指纹算法。利用BP神经网络和指纹算法对WiFi室内定位技术进行了研究,研究的内容和主要结论如下:第一,重点分析和研究该课题的研究背景,论述国内外对于该课题的研究动态,为接下来的论文研究指明了研究方向。第二,概括论述本论文所涉及的相关技术点及其原理,如:室内定位指纹算法和BP神经网络等相关知识。为接下来的论文研究解决技术要点及难点。第三,详述传统的室内定位指纹算法的相关原理,分析RSSI数据采集和处理方法,提出合理的数据采集方案和数据处理方法,确定RSSI测距模型参数,设计出室内定位分析系统。第四,分析传统算法的不足提出BP神经网络算法,重点对BP神经网络的室内定位指纹算法进行研究,布置实验环境利用笔记本电脑采集指纹数据,对采集到的RSSI数据进行处理,利用处理后的数据构建BP神经网络结构模型。最后,利用MATLAB对传统室内定位指纹算法和BP神经网络算法进行仿真,比较两种算法的定位误差从而判断算法的优劣性。通过算法对比结果表明BP神经网络算法的可以减少定位误差,提高定位精度。仿真结果是BP神经网络算法的定位均方误差为3.765,传统算法的定位误差为6.62444,表明BP神经网络算法定位误差小、精度高。