基于信號特征提取的WLAN室內(nèi)定位算法研究.pdf

1、隨著智能手機的普及以及移動互聯(lián)網(wǎng)的發(fā)展,基于位置的服務(wù)(location-based service,LBS)越來越多的受到重視,尤其在復(fù)雜的室內(nèi)環(huán)境,常常需要確定用戶的位置信息。基于接收信號強度(received signal strength,RSS)的無線局域網(wǎng)(wireless local area network,WLAN)室內(nèi)定位技術(shù),僅僅利用WLAN中所部署的熱點,無需專門的硬件設(shè)備就能實現(xiàn)對接入WLAN中的無線設(shè)備進(jìn)行可

2、靠和高效的定位,并且其帶寬高,穿透力強,覆蓋范圍廣,接入方便,因此得到了廣泛的關(guān)注。
　　在WLAN室內(nèi)定位環(huán)境中,多徑效應(yīng)和人員走動造成信號受到不規(guī)律干擾,陰影效應(yīng)造成信號損耗,以上幾種影響使得在相同位置接收到各個接入點(access point,AP)的RSS值具有復(fù)雜的時變統(tǒng)計特性,從而降低了基于RSS的WLAN室內(nèi)定位精度,給研究者帶來了艱難的挑戰(zhàn)。本文以降低RSS時變性對室內(nèi)定位精度的影響作為研究對象,將理論分析和實驗對

3、比相結(jié)合。主要貢獻(xiàn)歸納為以下幾點:
　　(1)闡述了WLAN的基本原理和WLAN技術(shù)的優(yōu)勢,分析了位置指紋的基本原理、室內(nèi)位置標(biāo)識方法以及影響室內(nèi)定位的干擾因素。
　　(2)分析了RSS的概率分布規(guī)律,針對RSS的復(fù)雜時變性,采用線性判別分析(linear discriminant analysis,LDA)和核直接判別分析(kernel direct diseriminant analysis,KDDA)兩種方法提取原始R

4、SS的信號特征。
　　(3)介紹了混洗蛙跳算法(shuffled frog leaping algorithm,SFLA)和最小二乘支持向量回歸機(least square support vector regression,LSSVR),研究了基于SFLA的LSSVR兩個參數(shù)的優(yōu)化過程,提出了基于KDDA和SFLA-LSSVR算法的室內(nèi)定位算法。
　　實驗結(jié)果表明,KDDA-SFLA-LSSVR算法在相同的采樣次數(shù)情況下的