论文部分内容阅读
随着移动互联网快速发展及智能手机的普及,基于位置信息的服务(Location Based Service,LBS)已经广泛应用于许多领域。虽然GNSS在室外定位领域的应用已经较为成熟,但室内定位受时间、精度、复杂环境等条件限制,还存在着算法不完善、体系不规范、普适性不强等不足,使得室内定位算法已成为当前测绘及GIS领域的研究热点之一。在众多算法研究当中,基于传感器的行人航位推算(Pedestrian Dead Reckoning,PDR)具有精度高,部署简单,易分析等优点被广泛应用;基于核主成分分析法能够将指纹数据集进行映射,并提炼出数据集在更高维度的非线性关系,改变数据存储容量的同时也提高了在线数据匹配时的速度;本文提出了一种KPCA与PDR相融合的WiFi室内定位算法,具体内容包括以下4点:(1)首先本文以智能手机为研究平台,围绕其内部集成的WiFi模块对参考点位置指纹信息进行采集,获取到指纹强度值,再对数据集进行实时滤波处理以消除噪声误差,同时也对系统状态进行了最优估计。(2)利用智能手机的传感器,并采用了基于角速度峰值探测法,对行人的步数进行检测,分析了行人在行走情况下其步态的频率周期;利用步频与身高的非线性的函数模型来检测行人步长信息,得出了特定情况下行人的步长推算公式;再基于行人在行走过程中智能手机三轴方向的转动进行航向角变化的检测。(3)基于高斯核函数的主成分分析法对离线多维指纹数据进行映射变换,在降低维度的情况下提炼了指纹强度之间的主特征属性,减小了数据存储容量的同时也提高了在线阶段匹配的速度和精度。(4)将基于KPCA和PDR相融合的WiFi室内定位算法在Android系统环境下使用Java语言进行了原型系统的架构设计、模拟构建与程序实现,并在试验区域进行了测试计算与精度分析,验证了算法的可靠性与正确性,达到了预期的定位目标。