【摘要】：物聯(lián)網(wǎng)(Internet of Things,IoT)的快速發(fā)展激發(fā)了基于位置服務(wù)(Location Based Service,LBS)的迫切需求,如商場(chǎng)導(dǎo)購(gòu)、人員搜救與車(chē)輛追蹤。在這種情況下,高精度、低成本的室內(nèi)定位系統(tǒng)顯得尤為重要。由于無(wú)線Wi-Fi設(shè)備已廣泛布設(shè)在校園、商場(chǎng)等公共場(chǎng)所,目前基于Wi-Fi的指紋定位技術(shù)已成為最常用的低成本室內(nèi)定位技術(shù)之一。但指紋庫(kù)的構(gòu)建需要耗費(fèi)大量的人力和時(shí)間開(kāi)銷(xiāo),并且指紋常隨著時(shí)間、環(huán)境的變化而失效。眾包(Crowdsourcing)作為一種可替代大規(guī)模離線測(cè)量的有效方法目前得到了廣泛研究,通過(guò)規(guī)劃確定的運(yùn)動(dòng)路徑、標(biāo)定運(yùn)動(dòng)路徑的始末位置獲得眾包軌跡在實(shí)際環(huán)境中的位置信息。但在實(shí)際應(yīng)用場(chǎng)景中,采集的眾包軌跡往往是用戶隨機(jī)游走的未知路徑。針對(duì)以上問(wèn)題,本文通過(guò)無(wú)標(biāo)記的隨機(jī)眾包運(yùn)動(dòng)軌跡構(gòu)建眾包運(yùn)動(dòng)地圖,通過(guò)像素模板匹配實(shí)現(xiàn)眾包接收信號(hào)強(qiáng)度(Received Signal Strength,RSS)與對(duì)應(yīng)物理位置的準(zhǔn)確映射,既節(jié)省了離線階段構(gòu)建指紋庫(kù)的人力、時(shí)間開(kāi)銷(xiāo),同時(shí)也使基于眾包運(yùn)動(dòng)路徑構(gòu)建的指紋數(shù)據(jù)庫(kù)符合實(shí)際應(yīng)用條件,具有重要的研究意義。本論文主要工作包括:首先,建立目標(biāo)環(huán)境的眾包運(yùn)動(dòng)地圖。利用行人航跡推算(Pedestrian Dead Reckoning,PDR)算法,結(jié)合無(wú)標(biāo)記的眾包傳感器數(shù)據(jù)獲取具有相對(duì)位置信息的眾包RSS信號(hào)路徑序列,利用相關(guān)性測(cè)序重組相似位置的路徑序列;并將路徑序列分段后利用密度聚類(lèi)算法對(duì)眾包路徑分區(qū),分別處理各運(yùn)動(dòng)區(qū)域以建立目標(biāo)環(huán)境的運(yùn)動(dòng)地圖。隨著眾包路徑的不斷豐富,構(gòu)建的運(yùn)動(dòng)地圖也逐漸接近全局地圖。同時(shí),根據(jù)運(yùn)動(dòng)傳感器數(shù)據(jù)確定室內(nèi)關(guān)鍵位置(如樓梯口等)信息,豐富運(yùn)地圖;其次,確定眾包運(yùn)動(dòng)地圖在目標(biāo)環(huán)境中的物理位置。通過(guò)像素模板匹配確定運(yùn)動(dòng)地圖在全局地圖中的物理位置,建立眾包RSS信號(hào)與其物理位置的準(zhǔn)確映射;最后,通過(guò)卡爾曼濾波算法將眾包傳感器數(shù)據(jù)與RSS信號(hào)融合,實(shí)現(xiàn)Wi-Fi模塊和運(yùn)動(dòng)傳感器模塊兩個(gè)定位系統(tǒng)的優(yōu)勢(shì)互補(bǔ),并構(gòu)造抗差權(quán)函數(shù)以減少定位粗差對(duì)定位精度的影響,進(jìn)一步提升了基于無(wú)標(biāo)定眾包數(shù)據(jù)源的定位精度。
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.41;TN92
【圖文】：

表示是把環(huán)境劃分成一系列的柵格，每個(gè)柵格給定一個(gè)可能值，代表該柵格被占據(jù)的概率，容易構(gòu)建、保存，對(duì)路徑規(guī)劃很方便，但路徑規(guī)劃效率不高，常常浪費(fèi)空間；拓?fù)涞貓D是將環(huán)境信息表示為具有結(jié)點(diǎn)和連接線的拓?fù)浣Y(jié)構(gòu)，用結(jié)點(diǎn)表示環(huán)境中的關(guān)鍵位置信息（如拐角、門(mén)、電梯和樓梯等），用結(jié)點(diǎn)間的連接線表示連通關(guān)系（如走廊），具有較低的空間復(fù)雜度；直接表征法則是直接利用傳感器數(shù)據(jù)進(jìn)行姿態(tài)解算，構(gòu)造當(dāng)前運(yùn)動(dòng)的姿態(tài)空間，主要應(yīng)用在機(jī)器人自主導(dǎo)航中。文獻(xiàn)[50]的作者將室內(nèi)結(jié)構(gòu)表示為鏈路節(jié)點(diǎn)模型，如圖 2.8 所示，這種室內(nèi)地圖的表示形式利用結(jié)點(diǎn)表示環(huán)境中門(mén)、拐角等信息，能夠簡(jiǎn)潔刻畫(huà)出室內(nèi)環(huán)境的基本結(jié)構(gòu)，但忽略了走廊的寬度等信息。考慮到走廊的寬度對(duì)室內(nèi)定位精度的影響，文獻(xiàn)[38]中室內(nèi)地圖構(gòu)建方法引入了走廊寬度信息，本文刻畫(huà)室內(nèi)可運(yùn)動(dòng)區(qū)域的地圖表示形式在文獻(xiàn)[38]的基礎(chǔ)上，連通了各個(gè)可到達(dá)區(qū)域，更契合真實(shí)的室內(nèi)環(huán)境并且具有表達(dá)簡(jiǎn)便，易于進(jìn)行像素處理等優(yōu)勢(shì)。

(a)接入點(diǎn) D-Link DAP-2310 (b)數(shù)據(jù)采集界面圖 3. 12 硬件設(shè)備與數(shù)據(jù)采集界面通過(guò)模擬環(huán)境中工作人員的日常行走路線，選定任意可能出發(fā)的位置作測(cè)數(shù)據(jù)的起點(diǎn)位置，之后，測(cè)試人員在目標(biāo)環(huán)境中隨機(jī)采集 200 條運(yùn)動(dòng)所有長(zhǎng)路徑起點(diǎn)位置均設(shè)為原點(diǎn)(0,0)，同一條眾包軌跡僅包含相對(duì)位置首先通過(guò)PDR算法將隨機(jī)行走的200條眾包進(jìn)行軌跡復(fù)現(xiàn)，如圖3.13(a)所相關(guān)性測(cè)序算法，計(jì)算眾包軌跡之間的 6 維 RSS 信號(hào)得分矩陣，通過(guò)路出相同位置的軌跡片段進(jìn)行重組，確定所有眾包軌跡之間的相關(guān)位置關(guān).5(b)所示。20304050)0102030)

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 陳國(guó)良;張言哲;汪云甲;孟曉林;;WiFi-PDR室內(nèi)組合定位的無(wú)跡卡爾曼濾波算法[J];測(cè)繪學(xué)報(bào);2015年12期

2 吳文健;劉瑾;李賀林;孔兵;;一種改進(jìn)的加權(quán)三邊定位算法[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年03期

3 劉興川;張盛;李麗哲;林孝康;;基于四元數(shù)的MARG傳感器姿態(tài)測(cè)量算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

4 肖尚彬;四元數(shù)矩陣的乘法及其可易性[J];力學(xué)學(xué)報(bào);1984年02期

相關(guān)碩士學(xué)位論文 前1條

1 張儷文;基于運(yùn)動(dòng)傳感器的行人航跡推算方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

本文編號(hào)：2776278