摘要：随着人们对室内定位信息需求的不断增长,基于位置的服务和由此带来的一系列应用在近年来受到越来越多的关注,并日渐呈现出广阔的商业前景和巨大的市场价值。其中,精确、实时的室内定位技术是实现整个基于位置服务的必要前提和关键。由于基于无线局域网(Wireless Local Area Network, WLAN)接收信号强度(Received Signal Strength, RSS)的定位系统,充分利用了现有的无线网络基础设施,能以纯软件的方式在任何一台具有Wi-Fi适配器的智能终端独立地实现定位,而无需额外的硬件设备辅佐,并以低成本的方式将定位系统应用到绝大多数人类的室内活动范围,进一步满足室内用户的定位需求,成为本文研究的出发点。然而,室内复杂电波传播环境的特性,对基于WLAN接收信号强度的定位技术提出了极大的挑战。由于RSS受电波传播距离、室内布局、建筑材料、人体吸收、气候等多方面的影响,仅通过RSS来精确描述位置信息较为困难,而现有的室外定位技术很难满足室内复杂环境下的高精度定位需求。论文对基于RSS的WLAN室内定位技术进行了较为系统的研究,基于当今信号处理领域的前沿理论,提出了一套新的定位方案,并在资源受限的智能终端上独立开发与实现。论文的最终目的在于提高现有的基于RSS室内定位系统的定位精度,并在智能终端上开发一整套室内定位、追踪、导航系统,提供给多伦多CNIB1的视力低弱人群,为他们提供室内基于位置的服务,具有一定的现实意义。1)在定位问题上,论文成功地将当今信号处理领域的前沿理论——压缩感知理论、仿射传播聚类理论应用于室内定位机制。定位原理基于指纹法进行,具体包括两个过程,即基于仿射传播聚类和类匹配的粗定位,以及基于压缩感知的精定位。在精定位过程中,论文将定位问题描述为稀疏信号的重构问题,因而定位系统仅根据终端设备对来自少量无线接入点(Access Point, AP)RSS的测量,应用压缩感知原理,通过一个l1范数最小化求解而实现位置估计。考虑到RSS的时变特性,算法采用不同的粗定位机制和不同的AP选择机制,以提高系统的稳定性与鲁棒性。算法较现有同等技术下的定位机制,在定位精度和实时性上具有较大的提高。实验环境中,在使用5个AP实现定位的情况下,算法的平均均方根定位误差为2.1m,同等条件下,较传统的KNN2确定性算法和高斯Kernel概率性算法的定位精度分别提高了17.3%与12.5%。从误差累积分布来看,系统95%概率所能达到的定位精度,较KNN和高斯Kernel定位机制分别提高了28.4%与10.2%。论文接着对该定位机制在RSS不完全采样下信号的重构性,和在RSS不精确采样下系统的稳定性进行理论分析,给出压缩感知实现精确定位下,AP数目M与参考点数目N间的数量级关系,即M=O(log N),并对精定位过程中引入的正交化预操作给予相应的理论解释。论文最后对不同定位机制下算法的复杂度进行分析和比较,并将提出的定位机制在资源受限的智能终端上实现。2)论文将定位与追踪相结合。在追踪过程中,不同于传统的卡尔曼滤波,论文将来自室内地图、加速计、指南针等信息充分融合,在无线接入点位置未知的情况下,提出基于信息融合的滤波系统。该系统将当前时刻的RSS观测向量、历史位置估计,及来自3D加速计的运动模型相结合,共同完成当前时刻的粗定位；在确保粗定位机制准确性的前提下,进一步利用卡尔曼滤波器在线性轨迹上对精定位所得的位置估计进行修正和平滑,而在转角处对滤波系统进行重置,简单而成功地在终端设备实现追踪。在11个AP的实验环境下,动态系统的平均均方根定位误差和系统最大定位误差分别可达1.2m和4.2m。从误差累积分布来看,系统95%概率所能达到的定位精度,在同等条件下,较提出的基于压缩感知的静态定位系统、基于KNN和卡尔曼滤波的动态追踪系统、基于压缩感知和卡尔曼滤波的动态追踪系统,分别提高了29.4%,44.7%和18.8%。论文接着针对CNIB特殊人群,设计特定的路由寻找和路由分析机制,并在终端设备上提供实时的导航服务。3)论文进一步提出相同的压缩感知原理可用于离线指纹库的重构。论文将离线阶段2D空间上来自每个AP的信号强度指纹库视为一张图像,由于该图像在对应频域内傅立叶系数具有一定的稀疏性,因而可根据空间少量随机参考点上指纹的采集,利用压缩感知理论和全变分范数最小化求解对该图像进行重构。该方法为指纹法中离线指纹库采集工作量大的问题,提出了一种可行的解决途径,推进了指纹法在现实生活中的应用,也为该领域提出了一个新的研究方向。4)最后,论文将所提出的定位、追踪和导航方案进一步在PDA(HP iPAQhx4700)和智能手机(Samsung OMINIA-Ⅱ)两个平台上开发并实现。系统的开发基于C#,并将手势和语音作为与用户友好交流的接口,实现一套完整的室内定位、追踪与导航应用。开发的系统在多伦多大学Bahen大楼、多伦多Bayview Village购物商场测试,获得非常理想的效果,并进一步在多伦多的CNIB进行测试和推广,帮助视力低弱人群进行实时定位,完成室内导航,并由他们对系统进行评估。