Wi-Fi蓝牙融合定位方法研究与系统实现

摘要

随着人们活动的室内空间越来越庞大和复杂，兴趣点(Point of Interest, POI)越来越丰富，停车场、商场、机场等场所的定位和导航需求愈趋强烈。此外，精准位置营销、智能制造、机器人、无人医疗护理等行业也需要设备能够在室内识别特定对象的位置。这些都为室内定位技术(Indoor Positioning System, IPS)带来了巨大的机会。调查数据显示，人们在室内度过的时间占比达到80％以上。由于室内环境日趋复杂，空间越来越大，在停车场找车、逛商场找寻特定商品、联系走散的亲朋变得越来越难，这些问题推动了室内定位成为生活中的刚需。
　　目前室内定位技术呈现百家争鸣的现象，却缺少一种定位技术能够在低成本的条件下满足位置服务的定位需求。超宽带定位、激光定位、红外定位、地磁定位等技术或需要专门的设备，或部署复杂、成本较高，难以实现大规模的推广。而基于Wi-Fi的指纹定位技术能直接利用场景中的现有设备，极大地减轻了定位系统部署的成本；蓝牙4.0的低功耗性、信号广覆盖性、低成本性也为这种新型的无线定位技术搭建好了舞台。然而基于Wi-Fi或者低功耗蓝牙的单模定位技术仍旧存在一定的局限性，由于室内环境高度复杂，信号的反射、衍射和多径效应都给基于无线信号的定位技术带来了很大困难；指纹定位技术在离线模型训练阶段大多需要相当丰富的训练样本才能学习出较好的定位模型，而更多的训练样本则意味着更长的模型学习时间和更大的数据采集工作量。
　　针对上述问题，本文先后从指纹特征稳定性、模型训练的快速性和训练样本获取的便捷性以及最终的定位结果的有效性等方面着手，全文主要工作可分为以下三部分：
　　1）基于互相关理论提出了一种融合特征提取方法。该方法首先对原始传感器信号采用高斯模型进行去噪处理，然后根据互相关理论进行互相关信息计算得到融合特征，最后再结合原始传感器特征得到组合特征。实验表明，该方法能有效提升指纹特征的稳定性和定位模型的精度和鲁棒性。
　　2）提出了一种基于融合特征的半监督流形约束定位方法。首先引入超限学习机以提升模型的学习速度和泛化能力，然后引入半监督学习方法，采用拉普拉斯正则化来对模型进行流形约束，充分吸收无标记样本的数据特征，同时减少此类样本对模型的负面影响，从而增强模型的定位精度和鲁棒性。实验表明，半监督超限学习机的提出最多能将标定指纹的采集工作量减少90%，同时能将定位精度提升20%-30%。
　　3）设计并实现了一种融合定位系统。该系统针对第三方应用开发者提供了一种快速集成室内定位功能的服务。开发者利用本定位系统的采集工具在定位场景中采集指纹后，再使用离线定位SDK(Software Development Kit)便可以快速体验室内定位功能。系统测试和轨迹重现结果表明我们设计的室内定位系统具有很好的实用性，也具备很好的商业价值。

目录

声明

第1章 绪论

1.1 研究背景与意义

1.2 典型室内定位技术对比

1.3 本文的研究重点及贡献

1.4 本文的组织结构

第2章 无线定位技术介绍

2.1 无线定位技术概述

2.2 基于位置指纹的无线定位技术

2.3 基于Wi-Fi的定位方法研究现状

2.4 基于蓝牙的定位方法研究现状

2.5 多传感器融合定位方法研究现状

2.6 本章小结

第3章 Wi-Fi蓝牙融合特征提取研究

3.1 位置指纹定位方法原理

3.2 Wi-Fi蓝牙融合特征提取

3.3 实验验证与分析

3.4 本章小结

第4章 基于融合信息的半监督定位方法研究

4.1 超限学习机理论

4.2 半监督学习和流形正则化理论

4.3 半监督超限学习机模型

4.4 基于融合信息的室内定位方法

4.5 实验结果及分析

4.6 本章小结

第5章 Wi-Fi蓝牙融合室内定位系统

5.1 系统架构

5.2 系统详细设计

5.3 系统展示

5.4 本章小结

第6章 总结与展望

6.1 全文内容总结

6.2 未来工作展望

参考文献

致谢

附录（攻读硕士学位期间参与的科研项目和研究成果）