基于PWNN和粒子濾波的室內(nèi)定位跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、基于Wi-Fi(Wireless Fidelity)的位置指紋定位技術(shù)優(yōu)勢(shì)很多，比如簡(jiǎn)單方便而且精度也十分理想。尤其是硬件方面Wi-Fi設(shè)備已經(jīng)得到廣泛應(yīng)用，因此成為本文研究的出發(fā)點(diǎn)。本文依托北京綜合交通一體化出行服務(wù)關(guān)鍵技術(shù)研究與應(yīng)用示范項(xiàng)目（子課題：重點(diǎn)區(qū)域行人導(dǎo)引信息服務(wù)技術(shù)研究與示范應(yīng)用），研究交通樞紐中定位技術(shù)的設(shè)計(jì)和實(shí)現(xiàn)，其中主要對(duì)交通樞紐中的位置指紋定位技術(shù)進(jìn)行設(shè)計(jì)和改進(jìn)。
　　首先，本文對(duì)當(dāng)前的位置指紋定位技術(shù)進(jìn)行

2、了較為系統(tǒng)的研究，在模式匹配上對(duì)各種相似度（歐式距離、余弦相似度、杰卡德相似系數(shù)、皮爾遜相關(guān)系數(shù)等）進(jìn)行了技術(shù)對(duì)比，選擇了皮爾遜相關(guān)系數(shù)和歐式距離相結(jié)合的算法。利用Wi-Fi信號(hào)強(qiáng)度形成指紋相關(guān)性，設(shè)計(jì)了一種基于PWNN（Nearest Neighborsbased on Pearson correlation coefficient and Distance-weighted）模式匹配的位置指紋定位算法，在局部區(qū)域測(cè)試中不僅提升了定位

3、精度，而且有效解決定位效率的問(wèn)題，與其他傳統(tǒng)的定位算法例如WKNN(Weighted K-nearest Neighbor)相比較，整體定位誤差降低了近30％。
　　其次，為了解決運(yùn)動(dòng)狀態(tài)下定位跟蹤的問(wèn)題，對(duì)比分析了不同濾波技術(shù)（高斯濾波、粒子濾波、卡爾曼濾波），選擇對(duì)粒子濾波進(jìn)行改進(jìn)。通過(guò)融合終端傳感器信息，利用改進(jìn)的粒子濾波器PF（Particle Filter）對(duì)位置進(jìn)行跟蹤，并結(jié)合指紋模式匹配算法進(jìn)行切換式定位。通過(guò)實(shí)際測(cè)