论文部分内容阅读
数字多媒体业务的发展和智能终端的普及激发了人们对基于位置服务的需求,准确、快速的获取用户位置是基于位置服务的关键,因而促进定位尤其是室内定位的发展。同时,WiFi网络因无需布线、拓扑结构灵活等优势成为应用最为广泛的无线网络传输技术,在生活中随处可见。因此,越来越多的学者将定位技术和WiFi网络相结合,以实现对目标的定位。然而,由于室内环境的特殊性,若将室外定位技术与方法直接用于室内定位,常常会出现定位精度较差或根本不能定位的情况。本文在充分学习室内定位原理的基础之上,提出一种基于粒子群滤波的精确定位技术,即基于动态自适应与极值变异的粒子群滤波算法的精确定位技术,以实现对室内目标的精确定位。本文所提出的精确定位算法包括粗定位和精定位两种机制。前者以场景分析法为基础,包括两个阶段:第一阶段,将室内固定位置与该位置上所接收到的特征信息封装,并存入特征指纹库。第二阶段,在线定位时将实时指纹信息与库中指纹比对,将误差最小者视为目标当前位置。精定位机制是在粗定位的基础之上,使用动态自适应与极值变异的粒子群滤波算法对目标实时滤波追踪,实现精确定位。根据实现及应用过程中可能会出现的问题对定位过程做出如下改进:●分析指纹数据的组成及其所经历的途径,以差分指纹数据的形式减小其中受终端设备影响的部分,降低定位系统对终端设备的依赖性。●使用小波滤波去除差分信息中的噪声与突变,提高指纹数据库的质量。●改进K-Means聚类算法初始聚类中心的选择策略,由任意选取到在指纹数据库中均匀选取,旨在提高特征指纹库的生成以及定位过程中指纹比对的效率。●引入动态自适应与极值变异的粒子群滤波算法:在滤波算法的不同阶段动态调整惯性权重、加速因数,并引进极值扰动,提升粒子群滤波算法的性能,最终提高目标定位的准确性。在粗定位的基础之上,结合待定位目标前N处的位置信息,利用改进后的粒子群滤波算法得到目标当前位置的最优估计。最后,实现并测试引进以上改进措施的目标精确定位原型系统。