论文部分内容阅读
随着移动互联网技术和移动终端技术的迅速崛起,人们越来越多地使用基于位置的服务,感受其带来的便利。考虑到WiFi信号已经遍布室内环境,而且商用现货移动终端无需添加新的硬件设备就可以采集WiFi信号,基于WiFi的室内定位被广泛的研究和使用。现有主要算法大致可以分为两类:基于测距的算法和非测距的算法。前者依靠未知节点与多个已知位置的参考节点间的距离,获取位置信息;后者通过构建已知节点位置与指纹间的数据库,用匹配算法参照数据库中数据获得位置信息。在定位前,两者都需要大量的准备工作,前者需要获取室内无线接入点的地图,后者需要采集指纹数据库。本文可以省略前期采集工作,实时的获取室内节点的相对位置关系;加入离线数据后,可以达到80%的定位精度为6米。本文首先基于群智感知的概念,设计了信号强度量化算法,量化了WiFi接收列表之间的相似度。在仿真环境中,改变无线接入点的密度,计算信号强度量化值与行走距离之间的回归函数,其相关系数的平方值~2可达0.9316。实验环境中,回归函数的相关系数的平方值~2为0.779,具有强相关性。据此本文依据信号强度量化值推算行走距离,构成广义距离阵。后利用多维标度法,将多维空间下的广义距离阵,降低为二维空间中的坐标关系。如此可以将节点作为位置指纹,只需要采集节点处的WiFi接收列表就可以形成局部的室内地图,大大节省了人力物力。考虑到距离增大后,信号强度量化算法准确性下降,本文设计了地图拼接算法。其将局部地图拼接成为完整的室内地图。将完整室内地图拉伸后于实际地图比较,80%的定位精度为6米,相较于同等数据量的最近邻算法得到的7.5米更精确。本文的完整室内地图自动产生,无需获取无线接入点位置和实际室内地图。