基于WiFi指紋的室內(nèi)定位系統(tǒng)中采樣和匹配算法研究.pdf

1、隨著信息技術(shù)的快速發(fā)展,基于終端的室內(nèi)定位技術(shù)能為用戶提供信息檢索服務、室內(nèi)導航服務、社區(qū)交友服務等，因此已經(jīng)成為當前的熱點研究領(lǐng)域。已有的室內(nèi)定位算法包括：三角測量法、臨近法、WiFi指紋定位法以及行人航位推算法，其中WiFi指紋法定位范圍廣、成本低、使用靈活、無需額外硬件支持，因此本文研究基于WiFi指紋的室內(nèi)定位。
　　然而傳統(tǒng)的WiFi指紋定位法尚存在如下問題：第一，在采樣階段，每個采樣點上需要采集信號并預處理，已有的單方

2、向采集和均值濾波的處理方式尚不夠理想；第二，在定位階段，已有一些匹配算法如KNN，但匹配精度尚待提高。
　　本文在WiFi指紋法的采樣階段，針對信號采集環(huán)節(jié)，分析了已有的單方向采集法，指出其沒有考慮在手機指向不同方向時信號強度的差異性，故提出了不同方向采集法；針對信號預處理環(huán)節(jié)，分析了均值濾波法，指出其把一些與均值偏差較大的信號也算入總和求平均的缺點，引入了高斯濾波來濾除這些信號。最后，將不同方向采集和高斯濾波融合，提出了改進的采

3、樣法——FODG（Fusion of Different direction collection and Gauss Filter）。
　　在WiFi指紋法的定位階段，從歐氏距離計算和坐標匹配兩方面對主流的匹配法KNN改進。在歐式距離計算環(huán)節(jié)，分析了KNN法賦予每個AP相同權(quán)重的弊端，提出賦不同權(quán)值給各個擁有不同信號強度的AP；在坐標匹配環(huán)節(jié)，指出了KNN法賦予K個近鄰采樣點相同權(quán)值的缺點，提出了距離加權(quán)的KNN法（WKNN），

4、最后將AP加權(quán)歐式距離法和WKNN法融合，提出了改進的匹配法——AWKNN（AP weighted and distanced weighted KNN）。
　　最后本文實現(xiàn)了WiFi指紋定位系統(tǒng)，包括采樣階段和定位階段各模塊的設(shè)計與實現(xiàn)，并在實現(xiàn)的定位系統(tǒng)基礎(chǔ)上對相關(guān)參數(shù)（采集的AP數(shù)量、WiFi信號采集數(shù)量、近鄰數(shù)K值）進行了最優(yōu)化取值。接著對采樣階段算法FODG和定位階段算法AWKNN進行性能分析，最后從定位精度、定位穩(wěn)定性