發(fā)布時(shí)間：2021-11-09 18:00

　　隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展,人們對(duì)精確的位置信息有了迫切的需求,具有經(jīng)濟(jì)、方便、快捷和易部署等特點(diǎn)的Wi Fi室內(nèi)定位技術(shù)在眾多室內(nèi)定位技術(shù)中脫穎而出,成為研究熱點(diǎn)。定位精度是評(píng)價(jià)定位性能的根本指標(biāo),室內(nèi)環(huán)境的復(fù)雜性和多變性使得定位精度常常受制于多址干擾、多徑傳播以及非視距（Non-line of sight,NLOS）傳播等因素。能否依據(jù)接收端的疊加信號(hào)完成多徑分類已經(jīng)成為Wi Fi室內(nèi)定位的核心問(wèn)題之一。在基于Wi Fi的室內(nèi)定位系統(tǒng)中,傳統(tǒng)的多徑分類方法通常選用接收信號(hào)強(qiáng)度指示（Received Signal Strength Indicator,RSSI）作為觀測(cè)量,但RSSI在多徑傳播環(huán)境中容易產(chǎn)生劇烈波動(dòng),影響分類性能,同時(shí),現(xiàn)有多徑分類方法通常需要設(shè)定特征區(qū)分度閾值,但獲取高精度且廣泛適用的閾值較為困難。基于上述問(wèn)題,本文選用信道狀態(tài)信息（Channel State Information,CSI）作為觀測(cè)量進(jìn)而研究多徑分類問(wèn)題,重點(diǎn)包括:1.現(xiàn)有分類方法中通常采用典型統(tǒng)計(jì)特征（如均值、標(biāo)準(zhǔn)差等）的分布特性進(jìn)行分類,但其精度仍有待提升。針對(duì)這一問(wèn)題,本文通過(guò)分析無(wú)線信號(hào)... 

【文章來(lái)源】：天津工業(yè)大學(xué)天津市

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于WiFi定位的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 多徑分類的國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容和結(jié)構(gòu)
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 結(jié)構(gòu)安排
第二章 CSI特征分析及典型分類算法基礎(chǔ)
    2.1 CSI基本知識(shí)
    2.2 CSI與 RSSI對(duì)比
        2.2.1 RSSI的特點(diǎn)與缺點(diǎn)
        2.2.2 CSI的特點(diǎn)與優(yōu)點(diǎn)
    2.3 典型分類算法介紹
        2.3.1 決策樹算法
        2.3.2 樸素貝葉斯算法
        2.3.3 支持向量機(jī)SVM算法
    2.4 本章小結(jié)
第三章 基于CSI多徑分類方法的特征提取
    3.1 算法結(jié)構(gòu)框架
    3.2 CSI預(yù)處理策略
        3.2.1 異常值去除
        3.2.2 相位處理
    3.3 CSI特征提取
        3.3.1 典型統(tǒng)計(jì)特征
        3.3.2 典型統(tǒng)計(jì)特征的分類效果
        3.3.3 LOS因子
        3.3.4 基于Kmeans聚類算法的KLOS因子
    3.4 本章小結(jié)
第四章 基于改進(jìn)隨機(jī)森林算法的CSI系統(tǒng)多徑分類方法設(shè)計(jì)
    4.1 Fisher準(zhǔn)則的基本知識(shí)
    4.2 基于Fisher準(zhǔn)則的特征篩選方法
    4.3 隨機(jī)森林算法的基本原理
    4.4 基于C4.5算法的隨機(jī)森林分類架構(gòu)
    4.5 多徑分類方法的性能指標(biāo)
        4.5.1 分類性能指標(biāo)
        4.5.2 隨機(jī)森林泛化誤差與袋外誤差估計(jì)
    4.6 仿真性能分析
        4.6.1 仿真條件
        4.6.2 仿真性能分析
    4.7 本章總結(jié)
第五章 基于改進(jìn)隨機(jī)森林算法的CSI系統(tǒng)多徑分類方法的實(shí)測(cè)性能分析
    5.1 實(shí)驗(yàn)設(shè)置
        5.1.1 數(shù)據(jù)采集
        5.1.2 訓(xùn)練數(shù)據(jù)設(shè)置
    5.2 實(shí)測(cè)性能分析
        5.2.1 不同復(fù)雜程度環(huán)境下算法的分類性能
        5.2.2 不同算法的分類性能
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
發(fā)表論文及參加科研情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]加權(quán)隨機(jī)森林算法研究[J]. 楊飚,尚秀偉.  微型機(jī)與應(yīng)用. 2016(03)

碩士論文
[1]基于改進(jìn)SVM算法的大規(guī)模中文網(wǎng)站分類系統(tǒng)實(shí)現(xiàn)[D]. 張?zhí)熹?北京郵電大學(xué) 2019
[2]基于位置指紋的WIFI室內(nèi)定位研究[D]. 王亞濤.南京郵電大學(xué) 2018
[3]隨機(jī)森林自適應(yīng)特征選擇和參數(shù)優(yōu)化算法研究[D]. 劉凱.長(zhǎng)春工業(yè)大學(xué) 2018
[4]基于NLOS識(shí)別和誤差消除的無(wú)線定位算法研究[D]. 鄧鍇.西南交通大學(xué) 2018
[5]基于多示例多標(biāo)記支持向量機(jī)的網(wǎng)頁(yè)分類技術(shù)研究[D]. 尤輝.浙江理工大學(xué) 2018
[6]基于CSI的室內(nèi)WiFi定位技術(shù)研究[D]. 蔡雄.西安電子科技大學(xué) 2015



本文編號(hào)：3485814