本文選題：無線信號　切入點：模式識別　出處：《華中科技大學》2014年碩士論文　論文類型：學位論文

【摘要】：在許多實際場景中，人們對室內(nèi)定位都有迫切的需要，如商場中的購物定位導(dǎo)航、大型機場火車站的進站口、廁所、商店等重要設(shè)施的導(dǎo)航等等。然而，室內(nèi)定位技術(shù)卻沒有像常用的室外定位技術(shù)，如GPS定位、移動網(wǎng)絡(luò)基站定位等技術(shù)一樣得到廣泛商業(yè)化，原因在于：GPS的衛(wèi)星信號和移動網(wǎng)絡(luò)基站信號到建筑物的傳播距離太遠，而且在室內(nèi)環(huán)境下，人流不斷發(fā)生變動，室內(nèi)環(huán)境相對復(fù)雜，信號因為反射、折射等現(xiàn)象而導(dǎo)致衰減嚴重，使得定位精度很低。但是，因為受到室內(nèi)視野局限的影響，室內(nèi)定位精度通常要大大高于室外定位精度，才能初步滿足實際應(yīng)用的需要。而當前采用的室內(nèi)定位技術(shù)，難以解決把室外定位技術(shù)直接應(yīng)用到室內(nèi)定位環(huán)境中出現(xiàn)的問題，因而大多僅存在在實驗研究環(huán)境中。 當前，Wi-Fi作為建筑物中最常見的多對多的信號網(wǎng)絡(luò)，能夠應(yīng)用模式識別技術(shù)，特別是統(tǒng)計模式識別技術(shù)來進行不同地址的位置指紋的區(qū)分。本文應(yīng)用模式分類技術(shù)，，將室內(nèi)定位問題轉(zhuǎn)化為一個分類問題，進而完成室內(nèi)定位。 本文在前人工作的基礎(chǔ)上主要做了以下工作：在手機端和PC端實現(xiàn)了整套室內(nèi)定位系統(tǒng)的解決方案，整個分為信號采集部分、模板訓練部分、室內(nèi)定位部分。由于單個分類器難免會出現(xiàn)分類錯誤的情況，我們利用概率論數(shù)學證明了兩個問題： （1）在每個分類器的分類正確率均高于50%的情況下，多個分類器進行多數(shù)投票決策的分類正確率一定會高于單個分類器的分類正確率。 （2）分類器的數(shù)量越多，多個分類器進行多數(shù)投票決策的分類正確的概率就越發(fā)高于單個分類器分類正確的概率。 由此我們完成了系統(tǒng)設(shè)計和實現(xiàn)，并在系統(tǒng)測試中，實際證實了以上兩個結(jié)論的正確性，最終使得我們的室內(nèi)定位系統(tǒng)的定位精度能夠接近加州大學伯克利分校的室內(nèi)定位實驗結(jié)果。
[Abstract]:In many practical situations, people have an urgent need for indoor positioning, such as shopping positioning navigation in shopping malls, entrance to large airport and railway stations, toilets, shops and other important facilities. However, However, indoor positioning technology is not as widely commercialized as the common outdoor positioning techniques, such as GPS positioning, mobile network base station positioning and so on. The reason is that the satellite signal from the GPS and the mobile network base station signal spread far from the building. Moreover, in the indoor environment, the flow of people is constantly changing, the indoor environment is relatively complex, the signal is attenuated seriously because of reflection and refraction, and the positioning accuracy is very low. However, because of the limitation of indoor visual field, Indoor positioning accuracy is usually much higher than outdoor positioning accuracy, which can meet the needs of practical application. However, the current indoor positioning technology is difficult to solve the problem of applying outdoor positioning technology directly to indoor positioning environment. Therefore, most of them only exist in the experimental research environment. Currently, Wi-Fi, as the most common many-to-many signal network in buildings, can use pattern recognition technology, especially statistical pattern recognition technology, to distinguish location fingerprints of different addresses. The problem of indoor positioning is transformed into a classification problem, and then indoor positioning is completed. On the basis of the previous work, this paper mainly does the following work: the solution of the whole indoor positioning system is implemented in the mobile phone and PC, the whole system is divided into signal acquisition part, template training part, Indoor positioning part. As a single classifier will inevitably have classification errors, we use probability mathematics to prove two problems:. 1) when the classification accuracy of each classifier is higher than 50%, the classification accuracy of multiple classifiers for majority voting decision will be higher than that of single classifier. 2) the more the number of classifiers, the higher the probability of classifying the correct classification of multiple classifiers for majority voting decision is higher than that of single classifier. Therefore, we have completed the design and implementation of the system, and in the system test, the correctness of the above two conclusions has been verified. Finally, the positioning accuracy of our indoor positioning system is close to the results of the indoor positioning experiment at the University of California, Berkeley.
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN92

【相似文獻】

相關(guān)期刊論文 前10條

1 呂岳,施鵬飛,趙宇明;多分類器組合的投票表決規(guī)則[J];上海交通大學學報;2000年05期

2 韓宏;楊靜宇;;多分類器組合及其應(yīng)用[J];計算機科學;2000年01期

3 陳剛,戚飛虎;多分類器結(jié)合的人臉識別[J];上海交通大學學報;2001年02期

4 韓宏,楊靜宇,婁震;基于層次的分類器組合[J];南京理工大學學報(自然科學版);2002年01期

5 趙誼虹,程國華,史習智;多分類器融合中一種新的加權(quán)算法[J];上海交通大學學報;2002年06期

6 王正群,葉暉,孫興華,楊靜宇;模糊多分類器組合[J];小型微型計算機系統(tǒng);2003年01期

7 楊利英,覃征,王向華;多分類器融合實現(xiàn)機型識別[J];計算機工程與應(yīng)用;2004年15期

8 楊利英,覃征,王衛(wèi)紅;多分類器融合系統(tǒng)設(shè)計與應(yīng)用[J];計算機工程;2005年05期

9 陳湘;;1-范數(shù)軟間隔分類器的風險[J];湖北大學學報(自然科學版);2006年02期

10 秦鋒;楊波;程澤凱;;分類器性能評價標準研究[J];計算機技術(shù)與發(fā)展;2006年10期

相關(guān)會議論文 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓練演進[A];第十九屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學習方法[A];黑龍江省計算機學會2009年學術(shù)交流年會論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認證[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(shù)(英文)[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關(guān)”的說話人辨認[A];第四屆全國人機語音通訊學術(shù)會議論文集[C];1996年

7 謝秋玲;;應(yīng)用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學術(shù)會議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認知結(jié)構(gòu)評估的動態(tài)貝葉斯網(wǎng)絡(luò)分類器方法[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

10 邵小健;段華;賀國平;;一種改進的最少核分類器[A];中國運籌學會第七屆學術(shù)交流會論文集（上卷）[C];2004年

相關(guān)重要報紙文章 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報;2000年

相關(guān)博士學位論文 前10條

1 張非;對抗逃避攻擊的防守策略研究[D];華南理工大學;2015年

2 張文博;多類別智能分類器方法研究[D];西安電子科技大學;2014年

3 許勁松;智能交通中目標檢測與分類關(guān)鍵技術(shù)研究[D];南京理工大學;2014年

4 余家林;普通場景視頻人臉檢測與識別的關(guān)鍵技術(shù)研究[D];浙江大學;2016年

5 趙作林;基于圖像分析的北京地區(qū)楊樹種類識別研究[D];北京林業(yè)大學;2015年

6 劉明;分類器組合技術(shù)研究及其在人機交互系統(tǒng)中的應(yīng)用[D];北京交通大學;2008年

7 嚴志永;在劃分數(shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學;2011年

8 王U

本文編號：1631648