基于WiFi的室內(nèi)定位技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著位置服務(wù)的迅速發(fā)展，室內(nèi)定位在許多領(lǐng)域應(yīng)用廣闊，比如商場(chǎng)購(gòu)物導(dǎo)航推薦、停車場(chǎng)停車尋車、老人健康防護(hù)、展廳自助導(dǎo)航、企業(yè)智能制造和礦井救援等。由于室內(nèi)環(huán)境復(fù)雜多變，傳統(tǒng)的GPS信號(hào)在室內(nèi)傳播過(guò)程中由于建筑物的屏蔽阻擋等因素，極易發(fā)生反射、折射和散射，產(chǎn)生多徑效應(yīng)，這就導(dǎo)致GPS定位系統(tǒng)在室內(nèi)環(huán)境中無(wú)法正常使用。相比于室外環(huán)境，室內(nèi)定位對(duì)于位置信息的可靠性和穩(wěn)定性要求更高，技術(shù)實(shí)現(xiàn)更困難。WiFi技術(shù)近年來(lái)發(fā)展迅速，WiFi接入點(diǎn)廣泛部

2、署于各種公共場(chǎng)所，通過(guò)WiFi網(wǎng)絡(luò)進(jìn)行室內(nèi)定位，可以有效彌補(bǔ)GPS在室內(nèi)定位應(yīng)用中存在的不足。
　　本文對(duì)室內(nèi)定位技術(shù)進(jìn)行了深入研究，分析總結(jié)了現(xiàn)有的定位技術(shù)的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上提出了一種基于WiFi位置指紋的室內(nèi)定位系統(tǒng)設(shè)計(jì)方案。本文的研究工作主要分為以下五個(gè)方面：第一，在被動(dòng)式定位的離線采樣階段，針對(duì)現(xiàn)有的單點(diǎn)采樣方式存在的工作量巨大、指紋數(shù)據(jù)庫(kù)更新困難以及操作維護(hù)復(fù)雜等缺點(diǎn)，改進(jìn)設(shè)計(jì)了一種多點(diǎn)采樣的采樣方案，在室內(nèi)被定位區(qū)

3、域的每個(gè)柵格處都部署一張定位卡，同時(shí)進(jìn)行采樣，并且采樣卡可以按照需要固定在采樣處，每隔一段時(shí)間采樣一次，更新數(shù)據(jù)庫(kù)樣本數(shù)據(jù)，從而降低了人力物力成本，提高了定位的精度；第二，在在線定位階段，為了減少計(jì)算量，通常需要在定位計(jì)算之前對(duì)指紋數(shù)據(jù)庫(kù)進(jìn)行聚類分析，篩選出與被定位用戶所在位置相似度最大的若干個(gè)柵格點(diǎn)，作為位置指紋進(jìn)行匹配計(jì)算，本文根據(jù)實(shí)際場(chǎng)景的需要設(shè)計(jì)了一種根據(jù)各參考點(diǎn)上WiFi接入點(diǎn)掃描實(shí)時(shí)數(shù)據(jù)覆蓋情況的在線分類算法，有效減小了定位

4、算法的計(jì)算量，提高了計(jì)算的效率；第三，在定位匹配計(jì)算過(guò)程中，傳統(tǒng)使用較多定位匹配算法主要有KNN、基于高斯模型的概率方法、基于核的方法以及基于神經(jīng)網(wǎng)絡(luò)的方法等，但是從數(shù)據(jù)量和定位的實(shí)時(shí)性角度，上述算法并不是都符合要求，本文優(yōu)化設(shè)計(jì)了一種基于信號(hào)強(qiáng)度差值的加權(quán)KNN算法，顯著提高了定位的精度；第四，為了解決定位坐標(biāo)連續(xù)性不強(qiáng)的問(wèn)題，選擇使用卡爾曼濾波器對(duì)定位結(jié)果進(jìn)行優(yōu)化處理，使得定位結(jié)果的連續(xù)性得到有效提高；第五，本文對(duì)該系統(tǒng)進(jìn)行了軟件設(shè)