论文部分内容阅读
基于WiFi(wireless fidelity)的位置指纹室内定位是目前应用最广泛的室内定位技术,离线数据库建立与在线定位算法影响着未知节点的定位精度,其指纹点密度与定位精度关系和优化在线匹配算法是有待解决的科学问题。本文首先通过理论推导与计算机拟合的方法,分析了离线阶段未知节点的最终定位与其周围N个指纹点所组成几何图形关系,在此关系的基础上,设计不同指纹点密度与不同排布方式的离线数据库并开展了离线数据库指纹点密度对定位精度影响研究;然后从未知节点定位算法出发,通过分析加权K近邻法(Weight K-Nearest Neighborhood,WKNN)算法中出现未知节点信号接收强度值与指纹点接收信号强度(Received Signal Strength Indicator,RSSI)相似但实际距离相差较远的问题,提出了基于单元格的在线匹配算法,对比两种算法在不同密度与不同无线接入点(Access Point,AP)排布方式下的定位精度,最后编写单元格匹配算法程序,主要研究成果如下:1.未知节点的最终定位位置在与其相似度高的N个指纹点所组成的几何图形内,定位误差取决于指纹点组成图形面积的大小,面积大定位范围增大,定位误差增加;而定位面积与指纹点间距相关即指纹点密度,在同种算法下定位范围小,定位精度高,离线数据库的指纹点密度与定位精度两者呈显著线性正相关关系。实际实验结果与计算机拟合结果一致,即使用相同定位算法密度最大的的离线数据库,未知节点的定位精度最高,且伴随离线数据指纹点密度减小,定位精度逐渐变差。2.基于单元格的位置值指纹匹配算法是以实验区域内最小网格(单元格)代替传统WKNN算法中的指纹点进行相似度比较的定位算法,通过计算机拟合未知节点最终定位位置与单元格位置关系发现,随着指纹点间距的变大,未知节点实际所在单元格与计算得出欧式距离最小的单元一致的概率在85%以上,基本满足未知节点计算得出所在单元格就是真实位置所在单元格或旁边单元格的要求,因此单元格定位算法有效的避免了欧式距离相近,但是实际未知节点与指纹点相距甚远的问题;采用C++语言编写单元格定位算法程序,并对该系统进行了不同指纹点密度与不同AP排布方式两种实验测试分析,结果表明采用单元格定位算法定位精度均比传统WKNN算法定位精度高,且矩形排布方式由于每个AP间距大,信道重叠面积少,信号干扰小,因此定位结果最为理想。