定位技術(shù)是位置服務(wù)（Location Based Service,LBS）的核心技術(shù)之一。室外定位導(dǎo)航技術(shù)現(xiàn)在已經(jīng)非常成熟,美國(guó)GPS系統(tǒng)以及中國(guó)北斗系統(tǒng)的定位精度均已經(jīng)達(dá)到了米級(jí),給人們的工作生活帶來(lái)了極大的便利。然而,隨著互聯(lián)網(wǎng)科技的高速發(fā)展,人類的活動(dòng)也越來(lái)越局限于室內(nèi),相對(duì)封閉的建筑環(huán)境不利于衛(wèi)星信號(hào)的傳輸,這就使得室外衛(wèi)星定位技術(shù)失去了用武之地。因此,為實(shí)現(xiàn)室內(nèi)外定位的無(wú)縫銜接,室內(nèi)定位系統(tǒng)成為了目前定位研究領(lǐng)域的熱點(diǎn)。綜合比較多種已有的室內(nèi)定位技術(shù)后可知,藍(lán)牙室內(nèi)定位技術(shù)無(wú)論是成本和性能都比較均衡,最適用于LBS。本文采用基于信號(hào)強(qiáng)度（Received Signal Strength Indication,RSSI）的非測(cè)距定位方法來(lái)實(shí)現(xiàn)室內(nèi)定位。因?yàn)樵谑覂?nèi)不同位置采集到的基站的RSSI值各不相同,所以用一個(gè)位置采集到的多個(gè)i Beacon基站的信號(hào)強(qiáng)度RSSI值來(lái)組成該位置的指紋數(shù)據(jù),多個(gè)位置的指紋數(shù)據(jù)構(gòu)成了位置指紋庫(kù)。系統(tǒng)在定位階段可以通過(guò)待測(cè)點(diǎn)的指紋數(shù)據(jù)在位置指紋庫(kù)中檢索,最終確定待測(cè)點(diǎn)位置。本文的工作重點(diǎn)包括兩個(gè)階段的工作,第一是離線采樣階段,包括指紋數(shù)據(jù)采樣基站的... 

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的研究背景和意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 室外定位技術(shù)研究現(xiàn)狀
        1.2.2 室內(nèi)定位技術(shù)研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及創(chuàng)新點(diǎn)
    1.4 組織結(jié)構(gòu)
第2章 基于藍(lán)牙4.0的室內(nèi)定位技術(shù)
    2.1 藍(lán)牙4.0室內(nèi)定位技術(shù)
        2.1.1 經(jīng)典室內(nèi)定位技術(shù)
        2.1.2 藍(lán)牙4.0協(xié)議
    2.2 基于藍(lán)牙4.0定位的測(cè)定方法
        2.2.1 信號(hào)到達(dá)角度法(AOA)
        2.2.2 信號(hào)到達(dá)時(shí)間法(TOA)
        2.2.3 到達(dá)信號(hào)時(shí)間差(TDOA)
        2.2.4 接收信號(hào)強(qiáng)度法(RSSI)
    2.3 基于RSSI非測(cè)距的指紋定位
    2.4 本章小結(jié)
第3章 基于藍(lán)牙4.0的室內(nèi)定位系統(tǒng)設(shè)計(jì)
    3.1 系統(tǒng)總體設(shè)計(jì)
    3.2 iBeacon基站設(shè)計(jì)與實(shí)現(xiàn)
    3.3 定位終端設(shè)計(jì)與實(shí)現(xiàn)
    3.4 WEB服務(wù)器設(shè)計(jì)
        3.4.1 WEB框架搭建
        3.4.2 位置指紋庫(kù)設(shè)計(jì)
    3.5 本章小結(jié)
第4章 RSSI衰減模型與iBeacon基站部署
    4.1 藍(lán)牙信號(hào)特征模型
        4.1.1 RSSI的空間特征模型
        4.1.2 RSSI的時(shí)間波動(dòng)模型
    4.2 iBeacon基站部署
        4.2.1 AP部署數(shù)量
        4.2.2 部署原則
    4.3 本章小結(jié)
第5章 基于RSSI位置指紋庫(kù)定位算法優(yōu)化
    5.1 算法優(yōu)化設(shè)計(jì)
    5.2 位置指紋庫(kù)誤差修正
        5.2.1 位置指紋庫(kù)誤差
        5.2.2 高斯濾波
        5.2.3 GM(1,1)模型誤差修正
        5.2.4 仿真測(cè)試
    5.3 位置指紋庫(kù)插值
        5.3.1 分段雙線性插值
        5.3.2 自適應(yīng)插值
        5.3.3 克里金插值
    5.4 匹配算法優(yōu)化
        5.4.1 高斯核函數(shù)優(yōu)化對(duì)WKNN權(quán)重值
        5.4.2 仿真測(cè)試
    5.5 實(shí)驗(yàn)測(cè)試
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄1
附錄2



本文編號(hào)：3688034