【摘要】：隨著無線通信技術的迅猛發(fā)展,以及人們對位置服務的需求增加,定位技術越來越受關注。在室外環(huán)境中,通常使用全球定位系統(tǒng)和蜂窩網(wǎng)定位系統(tǒng)等進行定位,但是在建筑遮蔽比較嚴重的室內(nèi)環(huán)境中,上述定位系統(tǒng)無法接收到有效信號,不能滿足對定位精度的需求。WLAN定位技術能夠利用已有的公共網(wǎng)絡,僅需已經(jīng)普及的智能終端就可以進行室內(nèi)定位,且定位精度較高,因此成為室內(nèi)定位技術的研究熱點。在WLAN室內(nèi)定位中,接收信號強度(RSS)受到多方面因素影響,表現(xiàn)出嚴重的不確定性和非線性,導致RSS和物理位置之間不是一一映射關系,嚴重影響了定位精度,針對上述問題本文采用SVR學習定位算法,其泛化性能更好,使得定位精度更高�？紤]到直接對RSS信號進行SVR定位計算會引入大量噪聲信息,因此采用特征提取法對原始RSS信號進行處理,降低RSS的不確定性。傳統(tǒng)特征提取法無法有效利用RSS的非線性特征,本文采用基于核函數(shù)的直接判別分析法(KD-LDA)對信號進行分析,該方法能夠充分利用RSS信號的非線性特征,增加RSS信息的可信度,提高SVR學習定位算法的定位精度。SVR學習定位算法對整個區(qū)域進行樣本學習,會增加算法計算量,容易出現(xiàn)過學習問題,本文采用白化RSS信號的k-means聚類算法,可以將SVR學習定位算法限制在相對較小的區(qū)域中,減少計算量,并且白化處理能夠解決因為信號間的相關性而導致的聚類精度不高的問題。本文采用的聯(lián)合KD-LDA與白化k-means聚類的SVR學習定位算法相比于傳統(tǒng)定位算法,定位誤差在1米內(nèi)置信概率提高了37%,各個參考點的定位指紋采集工作量減少了80%。提高了定位精度和定位效率�；谏鲜鏊惴ǖ难芯恐�,本文對定位系統(tǒng)軟件開發(fā)環(huán)境進行了介紹,并在Android平臺上進行了WLAN室內(nèi)定位系統(tǒng)設計。
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN925.93

【參考文獻】

相關期刊論文 前10條

1 李寒曦;金振訓;汪炎平;黃慶;;WLAN室內(nèi)定位技術在BIM模型中的應用探討[J];科技通報;2016年09期

2 廖非凡;;一種基于WLAN信號場強測定的室內(nèi)定位技術研究[J];現(xiàn)代工業(yè)經(jīng)濟和信息化;2016年09期

3 張勇;史雅楠;黃杰;李飛騰;;基于獨立成分分析與核典型相關分析的WLAN室內(nèi)定位方法[J];計算機應用研究;2016年12期

4 吳東金;夏林元;;面向室內(nèi)WLAN定位的動態(tài)自適應模型[J];測繪學報;2015年12期

5 周牧;蒲巧林;田增山;;室內(nèi)WLAN定位中位置指紋優(yōu)化的接入點部署方法[J];通信學報;2015年S1期

6 崔斌;趙西安;;一種基于傳播模型和位置指紋的混合室內(nèi)定位方法[J];測繪通報;2015年06期

7 張勇;黃杰;徐科宇;;基于PCA-LSSVR算法的WLAN室內(nèi)定位方法[J];儀器儀表學報;2015年02期

8 豐文安;王建東;陳海燕;;一種快速SVR增量學習算法[J];小型微型計算機系統(tǒng);2015年01期

9 曾偉;黃亮;;一種基于稀疏表示的WLAN室內(nèi)定位算法[J];計算機應用與軟件;2014年12期

10 趙聘;陳建新;;利用現(xiàn)有無線局域網(wǎng)進行室內(nèi)定位算法研究[J];信號處理;2014年11期

，

本文編號：2530197