论文部分内容阅读
随着无线通信技术的普及,人们对基于位置的服务的需求从室外发展到室内。因GPS难以在室内提供准确的位置服务,且室内信号传输易受人员活动、多径效应、阴影效应,温度,湿度等多种因素影响,室内定位“最后一百米”问题急需解决。随着路由器,即无线信号接入点(Access Point,AP)广泛分布在在人们的生活中，智能手机、平板电脑、笔记本电脑都可以接收Wi-Fi信号。WiFi定位无需增设额外设备,成为一种成本极低的定位技术,现已成为研究热点。基于RSS(Received Signal Strength,接收信号强度)的WLAN位置指纹室内定位技术的研究为离线和在线阶段,在离线指纹库的构建和在线匹配的过程,精度与采集方法、计算方法息息相关。目前大量专家学者集在对在线匹配算法进行研究改进,但指纹图库的构建、利用与更新决定了定位的精度。本文从当前指纹图库构建工作量大、利用率低、匹配效率低、定位精度不高等问题入手,进行了如下改进,第一,在离线阶段,通过采集目标定位区域的方向向量信息,并结合人工神经网络和数据挖掘聚类算法,训练部虚拟参考点,建立一个高组织高密度的混合指纹图库。第二,通过地理坐标和指纹图的聚类对室内环境进行整理识别,设定定位结果的边界条件,在线定位时,将改进后的WKNN(Weighted K-Nearest Neighbor)算法的定位结果融合地图信息进行了修正,输出一个高质量的定位结果。第三,建立了混合指纹图库的定位系统。通过对以上内容的研究,本文算法建立了一个高组织、高质量、高密度的混合指纹图,提高了RSS样本信息的利用率,有效的将数据挖掘和人工神经网络等方法融入到指纹定位过程。实验证明混合指纹图本够实现并提供一个较精准、高组织化的指纹库,同时加速了在线定位算法的本敛,使用地图信息对定位结果也有一定了修正。因此本文算法具有较好的普适性和推广价值。