本文選題：Wi-Fi　切入點(diǎn)：室內(nèi)定位　出處：《電子科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：基于Wi-Fi(Wireless Fidelity)的位置指紋定位技術(shù)優(yōu)勢很多,比如簡單方便而且精度也十分理想。尤其是硬件方面Wi-Fi設(shè)備已經(jīng)得到廣泛應(yīng)用,因此成為本文研究的出發(fā)點(diǎn)。本文依托北京綜合交通一體化出行服務(wù)關(guān)鍵技術(shù)研究與應(yīng)用示范項目(子課題:重點(diǎn)區(qū)域行人導(dǎo)引信息服務(wù)技術(shù)研究與示范應(yīng)用),研究交通樞紐中定位技術(shù)的設(shè)計和實(shí)現(xiàn),其中主要對交通樞紐中的位置指紋定位技術(shù)進(jìn)行設(shè)計和改進(jìn)。首先,本文對當(dāng)前的位置指紋定位技術(shù)進(jìn)行了較為系統(tǒng)的研究,在模式匹配上對各種相似度(歐式距離、余弦相似度、杰卡德相似系數(shù)、皮爾遜相關(guān)系數(shù)等)進(jìn)行了技術(shù)對比,選擇了皮爾遜相關(guān)系數(shù)和歐式距離相結(jié)合的算法。利用Wi-Fi信號強(qiáng)度形成指紋相關(guān)性,設(shè)計了一種基于PWNN(Nearest Neighbors based on Pearson correlation coefficient and Distance-weighted)模式匹配的位置指紋定位算法,在局部區(qū)域測試中不僅提升了定位精度,而且有效解決定位效率的問題,與其他傳統(tǒng)的定位算法例如WKNN(Weighted K-nearest Neighbor)相比較,整體定位誤差降低了近30%。其次,為了解決運(yùn)動狀態(tài)下定位跟蹤的問題,對比分析了不同濾波技術(shù)(高斯濾波、粒子濾波、卡爾曼濾波),選擇對粒子濾波進(jìn)行改進(jìn)。通過融合終端傳感器信息,利用改進(jìn)的粒子濾波器PF(Particle Filter)對位置進(jìn)行跟蹤,并結(jié)合指紋模式匹配算法進(jìn)行切換式定位。通過實(shí)際測試表明該算法可以排除定位邏輯錯誤,降低定位誤差,提高定位算法的可行性。最后,基于PWNN和改進(jìn)粒子濾波算法,本文研究并實(shí)現(xiàn)了PWNN-PF室內(nèi)定位跟蹤系統(tǒng),尤其是詳細(xì)闡述了客戶端和服務(wù)端各模塊的設(shè)計和實(shí)現(xiàn)。并通過大量的實(shí)驗(yàn)表明,該定位系統(tǒng)有效降低了定位誤差,尤其在終端運(yùn)動狀態(tài)下可以達(dá)到跟蹤定位的效果,進(jìn)一步提高定位實(shí)用性。
[Abstract]:There are many advantages of location fingerprint location based on Wi-Fi(Wireless Fidelity, such as simplicity, convenience and high precision. Especially, Wi-Fi devices have been widely used in hardware. Therefore, it becomes the starting point of this study. This paper relies on the key technology research and application demonstration project of integrated travel service in Beijing (sub-topic: research and demonstration application of pedestrian guidance information service technology in key areas. This paper studies the design and implementation of positioning technology in transportation hub. Among them, the location fingerprint location technology in transportation hub is mainly designed and improved. Firstly, this paper makes a systematic study on the current location fingerprint location technology, and makes a variety of similarity (Euclidean distance) in pattern matching. CoSine similarity, Jackard similarity coefficient, Pearson correlation coefficient, etc.) are compared. The algorithm of combining Pearson correlation coefficient with European distance is selected. The fingerprint correlation is formed by using Wi-Fi signal intensity. A location fingerprint location algorithm based on PWNN(Nearest Neighbors based on Pearson correlation coefficient and Distance-weighted pattern matching is designed. It not only improves the location accuracy but also solves the problem of location efficiency effectively in local area testing. Compared with other traditional localization algorithms such as WKNN(Weighted K-nearest neighbor, the overall positioning error is reduced by nearly 30 percent. Secondly, in order to solve the problem of locating and tracking in moving state, different filtering techniques (Gao Si filter, particle filter) are compared and analyzed. Kalman filter, choose to improve the particle filter. Through the fusion of terminal sensor information, using the improved particle filter PF(Particle filter to track the position, Finally, based on PWNN and improved particle filter algorithm, the algorithm can eliminate the location logic errors, reduce the location error, and improve the feasibility of the localization algorithm, finally, based on the PWNN and the improved particle filter algorithm, the algorithm can eliminate the location logic errors, reduce the location error and improve the feasibility of the location algorithm. In this paper, the PWNN-PF indoor positioning and tracking system is studied and implemented, especially the design and implementation of the client and server modules are described in detail, and a large number of experiments show that the positioning system can effectively reduce the positioning error. Especially in the state of terminal motion, it can achieve the effect of tracking and positioning, and further improve the practicability of location.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN92

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉愷;張仕斌;;基于IBeacon的室內(nèi)定位技術(shù)發(fā)展綜述[J];科技風(fēng);2017年02期

2 曾碧;毛勤;;改進(jìn)的構(gòu)建Wi-Fi位置指紋庫算法研究[J];廣東工業(yè)大學(xué)學(xué)報;2016年02期

3 劉志建;關(guān)維國;華海亮;孫澤鴻;;基于克里金空間插值的位置指紋數(shù)據(jù)庫建立算法[J];計算機(jī)應(yīng)用研究;2016年10期

4 周錦;李煒;金亮;陳曦;;基于KNN-SVM算法的室內(nèi)定位系統(tǒng)設(shè)計[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2015年S1期

5 趙逢達(dá);閆亭亭;孔令富;;一種基于粒子濾波的智能移動終端室內(nèi)行人定位算法[J];小型微型計算機(jī)系統(tǒng);2014年08期

6 張會清;石曉偉;鄧貴華;高學(xué)金;任明榮;;基于BP神經(jīng)網(wǎng)絡(luò)和泰勒級數(shù)的室內(nèi)定位算法研究[J];電子學(xué)報;2012年09期

7 韓霜;羅海勇;陳穎;丁玉珍;;基于TDOA的超聲波室內(nèi)定位系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J];傳感技術(shù)學(xué)報;2010年03期

8 趙永翔;周懷北;陳淼;溫斌;;卡爾曼濾波在室內(nèi)定位系統(tǒng)實(shí)時跟蹤中的應(yīng)用[J];武漢大學(xué)學(xué)報(理學(xué)版);2009年06期

9 郭紅成;羅海勇;尹浩;韓霜;;基于線性插值和動態(tài)指紋補(bǔ)償?shù)姆植际蕉ㄎ凰惴╗J];傳感技術(shù)學(xué)報;2009年12期

10 邢培基;田增山;孫冬梅;;基于距離估計和NNSS的室內(nèi)定位算法[J];通信技術(shù);2008年04期

相關(guān)博士學(xué)位論文 前1條

1 陳麗娜;WLAN位置指紋室內(nèi)定位關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2014年

相關(guān)碩士學(xué)位論文 前8條

1 周慧;基于WiFi的室內(nèi)定位技術(shù)研究[D];南京郵電大學(xué);2016年

2 紀(jì)敏;WiFi/RFID室內(nèi)融合定位方法的研究[D];南京郵電大學(xué);2016年

3 趙海龍;基于Kriging插值與粒子濾波的WiFi室內(nèi)融合定位研究[D];內(nèi)蒙古大學(xué);2016年

4 毛勤;基于WiFi位置指紋的室內(nèi)定位算法的研究與優(yōu)化[D];廣東工業(yè)大學(xué);2016年

5 周圓;基于慣性傳感器和Wi-Fi信號的室內(nèi)定位算法研究[D];大連理工大學(xué);2015年

6 張文學(xué);基于WiFi的RSSI指紋定位算法研究[D];電子科技大學(xué);2015年

7 丁園園;基于RFID的室內(nèi)定位技術(shù)研究[D];西南交通大學(xué);2014年

8 陳志斌;室內(nèi)定位與跟蹤算法研究[D];湖南大學(xué);2008年

，

本文編號：1632285