基于距离测量和位置指纹的室内定位方法研究

摘要

随着WiFi网络的迅速普及，基于WiFi的室内定位技术由于成本低、易于实现受到了广泛关注。其中，基于WiFi的被动式指纹室内定位由于不需要待定位目标携带任何设备，具有良好的非侵入性，逐渐成为室内定位技术研究的热点。被动式指纹定位一般包括离线阶段和在线阶段两部分。离线阶段采集相应的信号，构建离线指纹库。在线阶段直接把在线实测指纹与离线指纹库中的所有指纹进行匹配，估计目标位置。其中在线阶段，由于离线指纹库中存在着与目标当前位置相隔较远的参考点的指纹，这些指纹可能会对指纹匹配造成干扰，导致定位误差较大。 为此，本文结合位置指纹定位技术和距离测量算法，在在线阶段中加入了粗定位。在进行指纹匹配之前，通过粗定位过滤离线指纹库中与目标当前位置不相关的指纹，避免了不相干指纹的干扰，使得定位结果更精确。本文的主要研究内容如下： （1）提出了基于距离测量和位置指纹的室内定位方法（Indoor Localization Method Based on Location Fingerprint and Range Measurement，LLFRM），该方法包括离线阶段和在线阶段两部分。其中，离线阶段，使用基于主成分分析（Principal Component Analysis，PCA）的指纹生成方法构建离线指纹库；在线阶段，首先通过距离测量算法进行粗定位，过滤离线指纹库，然后通过改进的指纹匹配算法确定目标的具体位置。 （2）使用具有更好时间稳定性和空间区分性的信道状态信息（Channel State Information，CSI）来建立指纹库。由于CSI信号维度较高，为了能够减少计算复杂度，本文提出了基于主成分分析的指纹生成方法。通过PCA从CSI信息中提取主成分，在保留与位置相关的主要信息的同时降低了CSI的维度，并消除了部分与位置无关的噪声。然后，根据每个主成分对应的方差设置主成分的权重，使用带有权重的主成分生成指纹。实验表明，相比直接使用CSI生成指纹，该方法在相同位置生成的指纹具有更好的相似性，在不同位置生成的指纹能够更容易区分开来。 （3）提出了基于CSI的距离测量算法，使用该算法进行粗定位。具体来说，首先使用距离测量算法推算出目标与WiFi收发器之间的距离，然后利用该距离信息确定目标所处位置的区域范围，即粗定位。由此，可以从指纹库中剔除不在该区域范围内的指纹数据。相比在线阶段直接进行指纹匹配，粗定位不仅减少了需要匹配的指纹数量，而且可以消除粗定位区域范围外指纹的干扰。 （4）在指纹匹配阶段，使用层次聚类算法对k近邻算法进行改进，对欧式距离最小的k个参考点进行聚类分析，然后选择其中一个子簇进行位置估计。为了取得更好的聚类效果，本文综合考虑参考点指纹的信号特征和地理位置特征，通过地理位置特征对指纹信号之间的距离进行修正，实现了比k近邻算法更好的定位精度。 （5）实现了基于距离测量和位置指纹的室内定位系统，并通过实验对系统的性能进行了分析和总结。实验结果表明，相对于已有的基于WiFi的被动式指纹室内定位方法，本文所提的定位方法具有更好的定位精度。

目录

声明

第1章 绪论

1.1课题来源

1.2课题研究背景及意义

1.3室内定位的国内外研究现状

1.4本文的主要研究内容和结构

第2章 室内定位方法理论基础

2.1室内无线信号传播模型

2.2 RSSI和CSI特性分析

2.3位置指纹定位

2.4本章小结

第3章 基于距离测量和位置指纹的室内定位

3.1方法概述

3.2预处理

3.3基于主成分分析的离线指纹生成

3.4距离测量算法

3.5基于距离测量的在线粗定位

3.6在线位置估计

3.7本章小结

第4章 实现与结果分析

4.1实验平台与环境建立

4.2子模块实验测试与相关参数设置

4.3整体定位实验结果和分析

4.4本章小结

第5章 总结与展望

5.1全文工作总结

5.2未来工作展望

致谢

参考文献

攻读硕士学位期间的研究成果