论文部分内容阅读
随着移动互联网的蓬勃发展,人们对基于位置信息的服务提出了巨大的需求。然而,传统的定位技术一般适用于室外场景,在室内无法进行准确定位,因而室内定位技术成为研究热点。目前Wi Fi(一般指基于IEEE 802.11系列标准的无线局域网)网络在室内已经广泛部署,其具有成本低、功耗低的特点,并且移动终端广泛安装Wi Fi接入模块,因此基于Wi Fi的室内定位技术是该领域的主要研究方向。本文在大量Wi Fi接入点(AP)可连接的场景中,为了降低定位运算复杂度提出了一种基于主成分分析(PCA)的Wi Fi定位算法。该算法能够以较低复杂度实现常规算法一样的准确度。针对Wi Fi信号强度随机波动的情况,利用卡尔曼滤波技术提高了PCA定位算法的稳定性。此外,在Android智能手机系统中开发了Wi Fi定位软件,并实现和验证了所提算法的可行性。主要工作如下:(1)首先对实验场景采集数据进行了分析,发现整个定位区域能接入的AP数量较大,并且部分AP的信号强度在不同位置变化较大。直接使用所有可接入AP的信号进行定位,不仅定位计算复杂度高,而且会引入干扰从而影响定位精度。基于此,本文利用PCA方法将指纹信号进行降维处理,保留可靠AP的指纹信息,不仅降低了指纹信号强度的空间维度而且还保证了定位准确度。此外,为了进一步降低运算复杂度和提高定位准确性,还使用了区域分簇的PCA定位算法。(2)由于室内信号传播环境较为复杂,并且多个AP会工作于同一个频道,从而会导致指纹信号强度会随时间波动。针对该问题,本文根据卡尔曼滤波技术,利用定位目标的实时运动速度对PCA定位算法的估计结果进行修正,实验结果表明该方法可以减少估计位置的波动,提高系统稳定性。(3)为了评测所提算法的定位性能,在Android系统中设计并实现了指纹采集软件和所提出的Wi Fi定位算法软件。指纹采集软件可以采集指纹样本并构建指纹矩阵。使用定位软件进行定位实验,测试结果验证了本文所提出的算法的准确性。