随着WiFi网络的迅速普及,基于WiFi的室内定位技术由于成本低、易于实现受到了广泛关注。其中,基于WiFi的被动式指纹室内定位由于不需要待定位目标携带任何设备,具有良好的非侵入性,逐渐成为室内定位技术研究的热点。被动式指纹定位一般包括离线阶段和在线阶段两部分。离线阶段采集相应的信号,构建离线指纹库。在线阶段直接把在线实测指纹与离线指纹库中的所有指纹进行匹配,估计目标位置。其中在线阶段,由于离线指纹库中存在着与目标当前位置相隔较远的参考点的指纹,这些指纹可能会对指纹匹配造成干扰,导致定位误差较大。为此,本文结合位置指纹定位技术和距离测量算法,在在线阶段中加入了粗定位。在进行指纹匹配之前,通过粗定位过滤离线指纹库中与目标当前位置不相关的指纹,避免了不相干指纹的干扰,使得定位结果更精确。本文的主要研究内容如下:(1)提出了基于距离测量和位置指纹的室内定位方法(Indoor Localization Method Based on Location Fingerprint and Range Measurement,LLFRM),该方法包括离线阶段和在线阶段两部分。其中,离线阶段,使用基于主成分分析(Principal Component Analysis,PCA)的指纹生成方法构建离线指纹库;在线阶段,首先通过距离测量算法进行粗定位,过滤离线指纹库,然后通过改进的指纹匹配算法确定目标的具体位置。(2)使用具有更好时间稳定性和空间区分性的信道状态信息(Channel State Information,CSI)来建立指纹库。由于CSI信号维度较高,为了能够减少计算复杂度,本文提出了基于主成分分析的指纹生成方法。通过PCA从CSI信息中提取主成分,在保留与位置相关的主要信息的同时降低了CSI的维度,并消除了部分与位置无关的噪声。然后,根据每个主成分对应的方差设置主成分的权重,使用带有权重的主成分生成指纹。实验表明,相比直接使用CSI生成指纹,该方法在相同位置生成的指纹具有更好的相似性,在不同位置生成的指纹能够更容易区分开来。(3)提出了基于CSI的距离测量算法,使用该算法进行粗定位。具体来说,首先使用距离测量算法推算出目标与WiFi收发器之间的距离,然后利用该距离信息确定目标所处位置的区域范围,即粗定位。由此,可以从指纹库中剔除不在该区域范围内的指纹数据。相比在线阶段直接进行指纹匹配,粗定位不仅减少了需要匹配的指纹数量,而且可以消除粗定位区域范围外指纹的干扰。(4)在指纹匹配阶段,使用层次聚类算法对k近邻算法进行改进,对欧式距离最小的k个参考点进行聚类分析,然后选择其中一个子簇进行位置估计。为了取得更好的聚类效果,本文综合考虑参考点指纹的信号特征和地理位置特征,通过地理位置特征对指纹信号之间的距离进行修正,实现了比k近邻算法更好的定位精度。(5)实现了基于距离测量和位置指纹的室内定位系统,并通过实验对系统的性能进行了分析和总结。实验结果表明,相对于已有的基于WiFi的被动式指纹室内定位方法,本文所提的定位方法具有更好的定位精度。