基于數(shù)據(jù)挖掘的指紋室內(nèi)定位.pdf

1、近些年來(lái)，隨著移動(dòng)互聯(lián)網(wǎng)的迅猛發(fā)展以及智能移動(dòng)終端的廣泛普及，基于位置的服務(wù)受到越來(lái)越多的關(guān)注。但受限于室內(nèi)障礙物較多，空間較為狹小等特點(diǎn)，傳統(tǒng)的室外定位算法無(wú)法應(yīng)用于室內(nèi)定位。目前，基于WIFI系統(tǒng)的指紋法室內(nèi)定位技術(shù)以其部署成本低、組網(wǎng)靈活、易于實(shí)現(xiàn)、便于擴(kuò)展等特點(diǎn)逐漸成為研究的熱點(diǎn)。
　　基于WIFI的指紋法室內(nèi)定位通常選擇在定位點(diǎn)上接收到的各個(gè)接入點(diǎn)(Access Point，AP)的接收信號(hào)強(qiáng)度指示(Received S

2、ignal Strength Indicator，RSSI)作為定位的特征指紋，利用RSSI與地理位置之間特殊的映射關(guān)系實(shí)現(xiàn)定位。然而RSSI容易受到多徑、衰減和環(huán)境變化的影響，從而導(dǎo)致信號(hào)強(qiáng)度測(cè)量數(shù)據(jù)難以構(gòu)建一個(gè)可信的模型，這是提高室內(nèi)定位精度所面臨的主要挑戰(zhàn)，需要利用不斷發(fā)展的新技術(shù)加以改進(jìn)。為此，本文通過(guò)對(duì)相關(guān)文獻(xiàn)的查閱，將數(shù)據(jù)挖掘理論引入到室內(nèi)定位中，結(jié)合實(shí)地的數(shù)據(jù)采集和分析，進(jìn)行了如下的研究工作:
　　(1)為分析RSS

3、I作為定位特征指紋所表現(xiàn)出來(lái)的特性，在WIFI網(wǎng)絡(luò)環(huán)境中實(shí)地采集RSSI樣本，采用理論與實(shí)驗(yàn)相結(jié)合的方法，對(duì)環(huán)境中各個(gè)AP的RSSI進(jìn)行驗(yàn)證。發(fā)現(xiàn)WIFI網(wǎng)絡(luò)中不同AP所發(fā)送信號(hào)的RSSI具有不確定性和重復(fù)性，為了準(zhǔn)確描繪RSSI與地理位置之間的關(guān)系，需要盡可能多的收集不同AP的RSSI，這會(huì)導(dǎo)致定位算法計(jì)算量的增加。此外，在室內(nèi)環(huán)境中，為了保證WIFI網(wǎng)絡(luò)的覆蓋和數(shù)據(jù)傳輸質(zhì)量，往往會(huì)重復(fù)部署很多AP，這些AP之間的RSSI具有很高的重

4、復(fù)性。為此，本文提出一種基于主成分分析的指紋降維算法，該算法利用特征空間基變換的原理，將原始高維指紋數(shù)據(jù)映射到低維，在降低數(shù)據(jù)維度的同時(shí)，去除了不同AP間的冗余信息。經(jīng)驗(yàn)證，該算法降低了算法復(fù)雜度，提高了定位效率。
　　(2)為了提高定位算法的精度，本文提出了一種基于k層網(wǎng)格參數(shù)尋優(yōu)的支持向量回歸定位模型。針對(duì)RSSI的非線性特征，目前的解決方法是使用基于核函數(shù)的支持向量機(jī)來(lái)構(gòu)建定位模型。但是支持向量機(jī)的定位效果受參數(shù)的影響較大，

5、傳統(tǒng)的參數(shù)尋優(yōu)算法效率低，耗時(shí)大。為此，通過(guò)分析傳統(tǒng)算法效率不佳的原因，采用分層的思想，在不同參數(shù)區(qū)間選擇不同的搜索步長(zhǎng)。經(jīng)驗(yàn)證，本文提出的k層網(wǎng)格參數(shù)尋優(yōu)算法在計(jì)算效率上取得了顯著地提升。
　　(3)最后，本文將指紋降維算法和最優(yōu)參數(shù)的支持向量回歸定位模型相結(jié)合。使用實(shí)地采集的數(shù)據(jù)進(jìn)行算法仿真。實(shí)驗(yàn)結(jié)果證明，相較于其他基于數(shù)據(jù)挖掘的定位算法如傳統(tǒng)支持向量機(jī)定位算法、KNN定位算法、神經(jīng)網(wǎng)絡(luò)算法，本文提出的算法在定位精度方面，表現(xiàn)