论文部分内容阅读
基于位置服务(Location Based Service,LBS)的应用需求随着移动设备的普及和广泛应用受到普遍关注,已经渗透到当代生活中的许多方面。近年来,基于接收信号强度的定位算法在室内定位中得到了广泛的研究和应用。室内定位技术大致可以分为基于位置指纹的定位技术、基于专用设备的定位技术及基于测距的定位技术,目前国内外的研究和应用大多运用位置指纹定位技术来实现室内定位。基于位置指纹的定位技术,具有无需额外基础设施、成本低且定位精度较高等优点。另外,利用获取无线WiFi的接收信号强度(Received Signal Strength,RSS)值比获得其他物理特征较容易(比如:信号的到达角度和信号的到达时间等),相较于测距定位技术,指纹定位技术更能应对室内复杂多变的环境。因此,基于WiFi的指纹定位在室内定位中得到普遍的应用和研究。由于目前绝大多数的室内定位研究都是基于二维空间(Second Dimension,2D),即单楼层的研究。对于多楼层的研究和判定,二维空间的研究无法满足此需求。而目前室内环境多为多楼层场景(如商场,机场,医院等),因此多楼层的室内定位逐渐引起学者们的关注。针对现有多楼层定位技术精确度普遍不高、稳定性低且复杂度较高的问题,本文提出了一种基于线性判别分析(Linear Discrimimant Analysis,LDA)的多楼层判定与定位方法,该方法在降低计算复杂度的同时能提高室内定位系统的稳定性,并能得到较高的楼层判别精度以及定位精度。本文主要研究工作包括:1)针对多楼层判别问题,本文提出了一种基于WiFi的指纹数据库多楼层识别系统。该系统的楼层判别分为离线阶段和在线阶段。在离线阶段,进行网格划分,在每个网格中采集数据,以此建立完整的离线WiFi定位指纹数据库。然后利用基于多分类线性判别分析的多楼层判别算法,建立楼层判别模型。该算法中,只需较少的WiFi指纹信息即能得到目标所在楼层信息,且精度较高。在在线阶段,结合离线阶段建立的楼层判别模型和投票机制确定目标所在的最终楼层号,并设计了一种改进的K近邻(K-nearest Neighbor,KNN)算法以得到目标节点的位置信息。2)针对单一技术或方法难以保证跟踪定位精度问题,本文基于行人航位推算(Pedestrian Dead Reckoning,PDR)提出了一种改进的粒子滤波跟踪定位算法(Particle filter Tracking and Localization Algorithm),在确定目标节点的楼层号及初始位置信息后,利用智能手机内置的传感器采集目标节点的相关信息(如:方向信息、加速度信息、压强信息等)来判定目标的运动状态,建立室内目标人员的运动模型,之后结合此模型改进粒子滤波的状态方程和观测方程,追踪目标节点的运动轨迹,提高目标追踪的精度。实验结果表明,该系统在多楼层环境下能够得到较精确的楼层号并能较准确的追踪目标移动。