基于Kriging插值与粒子滤波的WiFi室内融合定位研究

摘要

基于位置的服务(Location-Based Services，LBS)正在广泛应用于工作和生活的多个方面。作为实现LBS的关键前提，室内定位技术成为了学术界和工业界近十年来共同的研究热点。由于无需专用设备、可扩展性高等优点，基于WiFi的室内定位技术受到了广泛的关注，但是在部署成本、定位精度等方面受到了一定的制约。
　　为此，在深入分析现有定位技术的基础上，本文开展了以下研究:
　　首先，利用无线信号传播的空间相关性，提出了一种基于Kriging空间插值的位置指纹库构建方法，不仅显著降低了WiFi指纹库的构建成本，而且克服了边界点定位过程中匹配精度偏低的问题，相比于传统位置指纹法，将系统整体定位精度提高了近30％。
　　其次，进一步结合基于智能手机内嵌的惯性传感器实现的行人航迹推算(Pedestrian Dead Reckoning，PDR)算法，利用粒子滤波器融合了多源位置信息，实现了面向行人的高精度室内定位和跟踪算法，将室内动态目标的定位误差降至1米以内。
　　最后，根据本文所提出的算法，设计并实现了一个基于WiFi的室内定位系统原型，通过大量的实验表明，本文所提出的算法有效提升了系统的定位精度，同时降低了系统部署过程中的人工成本。
　　综上所述，基于Kriging插值与粒子滤波的WiFi融合定位算法以较低的系统成本实现了高精度的室内定位，促进了室内定位技术和应用的进一步发展，具有一定的理论与应用价值。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景

1．2 室内定位的研究现状

1．2．1 早期的室内定位系统

1．2．2 基于WiFi位置指纹的室内定位系统

1．3 研究目的及意义

1．4 研究内容及论文结构安排

第二章 室内定位技术相关理论

2．1 WiFi室内定位技术的分类

2．1．1 几何法

2．1．2 近似法

2．1．3 场景分析法

2．2 基于位置指纹法的定位技术

2．3 指纹匹配算法

2．3．1 最近邻法

2．3．2 朴素贝叶斯法

2．4 行人航迹推算

2．5 本章小结

第三章 基于Kriging插值的位置指纹库构建方法

3．1 空间插值法简介

3．1．1 线性插值法

3．1．2 IDW插值法

3．1．3 Kriging插值法

3．2 基于空间特征分区的指纹插值

3．2．1 基于环境特征的空间分区

3．2．2 基于泛Kriging插值法的指纹库构建

3．3 基于虚拟空间扩展的边界修正

3．4 本章小结

第四章 基于粒子滤波的多源位置信息融合定位算法

4．1 粒子滤波简介

4．1．1 状态空间模型

4．1．2 贝叶斯滤波

4．1．3 粒子滤波

4．2 基于粒子滤波的定位算法

4．3 构建状态空间模型

4．4 初始化处理

4．4．1 粒子状态初始化

4．4．2 相关参数初始化

4．5 简单重采样

4．6 本章小结

第五章 实验与分析

5．1 实验设置

5．1．1 实验场景

5．1．2 实验软硬件环境

5．2 室内定位系统

5．2．1 服务器系统

5．2．2 客户端系统

5．3 基于位置指纹法的定位实验

5．3．1 特征分区前不同训练点数目与匹配算法的比较

5．3．2 特征分区前不同插值法构建指纹库的比较

5．3．3 应用特征分区与边界修正的优化比较

5．4 结合粒子滤波优化的定位实验

5．4．1 实验场景及运动模型

5．4．2 不同数目粒子集的比较

5．4．3 不同参数的状态空间模型的比较

5．4．4 不同定位算法的比较

5．5 本章小结

结论

参考文献

致谢

攻读硕士学位期间发表的学术论文