基于WiFi的RSSI指紋定位算法研究.pdf

1、隨著移動互聯(lián)網(wǎng)的飛速發(fā)展，WiFi網(wǎng)絡(luò)迅速普及，遍布于辦公室、學(xué)校、大型商場等各個場所，深入人們的工作、學(xué)習(xí)和休閑娛樂生活中，為人們提供便捷優(yōu)質(zhì)的網(wǎng)絡(luò)服務(wù)。同時，基于位置的服務(wù)受到廣大用戶的關(guān)注和青睞，而基于WiFi的定位技術(shù)，以其部署成本低、容易實現(xiàn)、定位精度高和易于擴(kuò)展等優(yōu)勢，引起人們的高度關(guān)注，迅速成為室內(nèi)定位技術(shù)的研究熱點。
　　本文通過對基于WiFi室內(nèi)定位技術(shù)研究現(xiàn)狀的分析總結(jié)，針對傳統(tǒng)確定性指紋匹配KNN算法需要匹配

2、大量指紋數(shù)據(jù)且定位精度不足的問題，設(shè)計了針對KNN算法的過濾指紋定位算法，改進(jìn)了定位過程，并設(shè)計實現(xiàn)了過濾指紋定位算法的驗證系統(tǒng)，通過實驗方法驗證了改進(jìn)算法的可行性、有效性和算法性能。本文主要研究工作如下：
　　確定性指紋匹配KNN算法，通過匹配在定位點上測量得到的各個AP的信號強(qiáng)度與指紋參考點的信號強(qiáng)度的歐式距離，選擇距離最小的K個點的質(zhì)心作為定位的估計位置。該算法需要計算指紋庫中每個指紋點與定位點多個AP信號強(qiáng)度的聯(lián)合歐式距離

3、，計算量大，在針對匹配數(shù)據(jù)過大問題的已有研究中，通常引入其他設(shè)備（如Zigebee），利用其信號特征（如Zigbee ID），將指紋庫劃分成小塊，以減少需要匹配的指紋個數(shù)。本文基于過濾、將定位匹配過程分步進(jìn)行的思想，在不引入其他設(shè)備的情況下，設(shè)計了基于WiFi信號強(qiáng)度自身的過濾方法，在計算聯(lián)合歐式距離之前，設(shè)置單個AP的信號強(qiáng)度有效區(qū)間，將指紋庫中的參考點先過濾，在過濾后的指紋點中再使用KNN算法進(jìn)行匹配定位，能減少需要匹配的指紋數(shù)量，

4、降低定位延遲。同時，KNN算法使用的是多個AP信號強(qiáng)度的聯(lián)合歐式距離，并不能區(qū)分單個AP中定位點與指紋點信號強(qiáng)度的差距，而改進(jìn)的過濾算法則從單個AP的角度，對每個AP的信號強(qiáng)度差距做了粗略區(qū)分，增加了K個指紋參考點選取時的準(zhǔn)確性，能提高定位精度。
　　過濾指紋定位方法的關(guān)鍵是過濾區(qū)間的選擇，本文通過RSSI信號強(qiáng)度在不同RSSI均值下波動情況的研究，設(shè)計了基于 RSSI信號強(qiáng)度值的過濾區(qū)間簡易自適應(yīng)方法。針對指紋過濾后，剩余指紋個

5、數(shù)不一定滿足KNN算法中K值要求的情況，通過對K值變化對定位精度影響程度的研究，給出了相應(yīng)的解決方案，即K取值3、4、5、6對定位的影響較小，缺省值K取5，若個數(shù)不足5個則K減小但不小于3。
　　設(shè)計實現(xiàn)了過濾指紋定位算法，并通過實驗結(jié)果分析了算法性能。在實際室內(nèi) WiFi環(huán)境中，部署定位 AP，采集指紋數(shù)據(jù)庫，隨機(jī)選取測試點，通過驗證系統(tǒng)，得到定位結(jié)果。通過對測試點的定位誤差結(jié)果的數(shù)據(jù)統(tǒng)計與分析，分析了過濾指紋定位算法的定位性能