论文部分内容阅读
随着互联网技术快速发展、智能移动终端性能的不断提升和中国城市化进程的不断推进,室内位置信息逐渐成为各项工作中最重要的信息,促使了基于位置服务(Location Based Service,LBS)的研究和发展。其中,基于Wi-Fi的室内定位系统可以利用建筑中现有的Wi-Fi网络基础设施,已经成为最流行和最实用的室内定位系统。并且基于接收信号强度(Received Signal Strength,RSS)的Wi-Fi指纹定位方法不需要部署的接入点(Access Point,AP)的物理位置信息,且采用指纹技术能缓解无线信号在室内环境中普遍存在的多径效应。指纹定位方法的性能受到了设备异构性的严重影响,这种异构性存在于不同设备之间由于硬件原因导致的RSS基准差异。为了提高Wi-Fi定位对异构硬件环境的普适性,本文提出了一种新的融合定位算法——基于复合指纹的混合分类定位算法。该算法通过转换RSS构建信号强度差指纹(Signal Strength Difference,SSD)和双曲线位置指纹(Hyperbolic Location Fingerprint,HLF)两种能克服异构性的指纹,利用三种指纹之间的互补性构建复合指纹集并利用线性判别分析(Linear Discriminant Analysis,LDA)对其进行降维分析。在线预测阶段提出一种基于信息熵选择的多分类器融合策略。实验结果表明,本文提出的定位算法能克服设备异构性,并有效提高了定位精度。指纹定位方法的准确性取决于指纹库与当前信号环境的匹配程度,而Wi-Fi信号易受外界环境变化的影响,稳定性差。为了进一步有效缓解AP发生大幅度变化和环境动态变化因素的影响,本文提出基于航向特征的指纹更新与定位算法,该算法在AP发生调整的情况下能自动完成指纹更新,而无需进行额外的离线采集过程。本算法首先利用惯性导航传感器实现地图特殊点的标定,提出一种判别AP是否发生改变的依据。当检测到AP发生变化时,使用高斯过程回归(Gaussian Process Regression,GPR)对当前指纹数据库进行校准、更新。实验结果表明,本算法能自适应环境信号变化,并实现高精度定位,符合当前室内定位的发展趋势。