论文部分内容阅读
由于近年来物联网的广泛应用,室内定位技术也被科技的热潮不断推进,医院、商场、仓库等许多公共场所对室内定位的需求催使定位技术愈渐成熟。近年来基于WIFI位置指纹的定位技术凭借其高效性、普适性、低耗性以及较高的定位准确性受到越来越多的关注,并且现在对于室内定位服务需求最为迫切的是像商场这样的大型公共场所,通过研究对比考虑到基于WIFI的位置指纹技术更适合这样的场所,因此本文对基于WIFI的位置指纹定位技术的相关算法展开探究。首先,本文针对基于WIFI的位置指纹定位技术的离线指纹库构建阶段,因传统指纹库的构建需要广泛的实地采集指纹节点信号,在大面积的定位区域实现起来尤为困难的问题,提出了一种基于优化衰减因子模型的指纹库构建方法。该方法通过使用信号传播的模型,计算由AP节点发出的信号到各指纹节点的接收强度,省去了实地布置的时间,提高了指纹库的构建效率。并且对传统衰减因子模型进行了优化,一方面将自由空间模型与衰减因子模型相结合;另一方面通过若干节点的信号采集,从而实现了衰减因子模型中的路径损耗指数的自适应。最后通过与多种经典传播模型进行仿真对比验证了其优化效果。其次,本文针对基于WIFI的位置指纹定位技术的在线定位阶段定位精度低的问题,通过对最近邻分类算法(NN)、K最近邻分类算法(KNN)、贝叶斯算法的研究对比,继而提出了一种基于三角修正的WKNN分类算法。该优化算法一方面利用待定位节点与指纹节点获取的AP信号强度值的差值作为加权因子,通过不同指纹节点的贡献比例提高KNN的定位精度;另一方面通过选取三个保证待定位节点在由这三点构成的三角形中的最近邻点即三角修正法来进一步提高定位精度。最后通过与多种定位算法的仿真对比证实了其优化效果,在指纹节点间距为3米的条件下,使用基于三角修正的WKNN算法平均误差可以控制在0.81m以内,定位误差在2m范围内的累积概率可达到90%以上,误差在1m范围内累积概率达到60%以上,较其它算法有很大提升。最后设计并实现了一套基于C#的室内定位仿真平台,将优化衰减因子模型的指纹库构建方法以及基于三角修正的WKNN定位算法应用到其中,并验证了平台的功能完善性。