【摘要】：伴隨著“互聯(lián)網(wǎng)+”戰(zhàn)略的推進(jìn)落實(shí),各類智能設(shè)備迅速普及。各種應(yīng)用程序正在改變著人們的生活,從而催生出越來越多需要室內(nèi)位置信息的場景。由于建筑墻體阻擋信號的傳播,在室內(nèi)無法采用全球定位系統(tǒng)進(jìn)行精確定位。無線局域網(wǎng)(WLAN)技術(shù)標(biāo)準(zhǔn)日益完善,并且WLAN網(wǎng)絡(luò)已經(jīng)成為絕大多數(shù)建筑物的標(biāo)準(zhǔn)配置�；赪LAN的室內(nèi)定位方法僅需使用建筑物內(nèi)部的WLAN網(wǎng)絡(luò),能耗低、誤差小,是室內(nèi)定位技術(shù)的重點(diǎn)研究方向。本課題提出一種基于線性判別分析(LDA)和梯度提升樹(GBDT)的WLAN室內(nèi)定位算法,主要完成了如下五方面工作:(1)對國內(nèi)外研究人員在室內(nèi)定位領(lǐng)域取得的主要成果進(jìn)行了總結(jié),明確了本課題研究的意義。對WLAN的基本原理和技術(shù)標(biāo)準(zhǔn)進(jìn)行了闡述,分析了WLAN室內(nèi)定位中涉及的幾何解算法和位置指紋法的基本理論,對這兩類方法中包含的主要算法進(jìn)行了探究,并分別指出了這些算法的不足之處。本課題對無須額外配置硬件且定位精度較高的位置指紋法進(jìn)行了研究。(2)對接入點(diǎn)(AP)的接收信號強(qiáng)度值(RSSI)的特性和影響其準(zhǔn)確性的因素進(jìn)行了分析,針對RSSI值隨時(shí)間不規(guī)律變化的問題,提出了基于LDA的定位特征提取算法,該算法可以充分利用參考點(diǎn)的坐標(biāo)信息,有效去除原始位置指紋中的冗余特征和異常信號。(3)針對LDA提取位置指紋的主要定位特征后,僅利用個(gè)體學(xué)習(xí)算法計(jì)算待定點(diǎn)位置坐標(biāo)的方法不能滿足WLAN室內(nèi)定位系統(tǒng)精度的要求,提出了基于集成學(xué)習(xí)的GBDT定位算法。該算法首先利用前向分布算法將損失函數(shù)的負(fù)梯度值作為定位誤差的近似值擬合一個(gè)分類回歸樹(CART);接著采用加法模型將各次迭代生成的CART回歸樹線性結(jié)合,生成最終的GBDT定位算法。將LDA定位特征提取算法與GBDT定位算法結(jié)合,構(gòu)成LDA-GBDT定位算法。(4)在公開數(shù)據(jù)集上對本文提出的LDA-GBDT定位算法的有效性進(jìn)行了驗(yàn)證。實(shí)驗(yàn)從保留指紋空間維度、CART回歸樹最大深度、AP數(shù)量等多個(gè)不同方面開展。實(shí)驗(yàn)結(jié)果顯示,本文所提出的LDA-GBDT定位算法在公開數(shù)據(jù)集場景下的定位精度為1.51m,與其他WLAN室內(nèi)定位算法相比具有更高的精確度。(5)為了在真實(shí)場景下進(jìn)一步驗(yàn)證LDA-GBDT定位算法的有效性,本課題設(shè)計(jì)了一款WLAN室內(nèi)定位軟件,并利用該軟件采集真實(shí)場景下的實(shí)驗(yàn)數(shù)據(jù)。實(shí)驗(yàn)結(jié)果顯示,本文所提出的LDA-GBDT定位算法在真實(shí)場景下的定位誤差為1.19m,與其他定位算法相比具有顯著的優(yōu)勢。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN925.93
【圖文】：

北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文用深色圓點(diǎn)表示測試點(diǎn)，共 60 個(gè)。實(shí)驗(yàn)空間中共安裝了 13 用帶有可以采集 AP 的 RSSI 值軟件的設(shè)備，在每一個(gè)參考點(diǎn)、東北、東南、西北、西南 8 個(gè)方向上重復(fù)采集 110 次，每個(gè) 250ms，在每個(gè)方向上采集的平均值作為該方向的指紋信息。

第 5 章 LDA-GBDT 定位算法的有效性驗(yàn)證該軟件的開發(fā)平臺是 AndroidStudio2.3.3，語言是 JAVA，工程名為 scanwifi ，數(shù)據(jù)庫是 Android 系統(tǒng)集成的 SQLite，如圖 5-9 所示，為軟件開發(fā)界面。在平臺自有的虛擬機(jī)仿真調(diào)試運(yùn)行后，下載到小米 6 手機(jī)中，對本節(jié)開發(fā)的 WLAN 室內(nèi)定位軟件進(jìn)行實(shí)際測試。

圖 5-9 軟件開發(fā)界面Figure5-9 Software development interface（3）數(shù)據(jù)庫設(shè)計(jì)WLAN 室內(nèi)定位軟件的數(shù)據(jù)庫采用 SQLite，該數(shù)據(jù)庫為輕量級數(shù)據(jù)庫[65]，操作便捷。在離線階段，工作人員采集參考點(diǎn)的指紋數(shù)據(jù)后自動存入如圖 5-10 中所示的名為 WiFilocation 的數(shù)據(jù)庫中。該數(shù)據(jù)庫共有兩張表，分別為 wifi 與location ，前者負(fù)責(zé)存儲 AP 的編號、網(wǎng)絡(luò)識別名、RSSI 值、物理地址等信息；后者負(fù)責(zé)存儲參考點(diǎn)坐標(biāo)等信息。兩張數(shù)據(jù)表的具體信息如下表 5-4 和表 5-5 所示。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張起榮;陳善雄;余廷忠;王燕;;二維合并雙向可調(diào)拉普拉斯逆線性判別分析算法[J];貴州工程應(yīng)用技術(shù)學(xué)院學(xué)報(bào);2017年03期

2 馬家軍;;針對人臉個(gè)體差異性的核線性判別分析[J];商洛學(xué)院學(xué)報(bào);2016年02期

3 馬馮艷;;主分量分析和線性判別分析在分類問題中的應(yīng)用[J];科技視界;2015年13期

4 王金甲;胡備;;腦機(jī)接口的廣義核線性判別分析方法研究[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2012年01期

5 高建強(qiáng);范麗亞;;模糊線性判別分析中距離對面部識別的影響[J];井岡山大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

6 鄭秋梅;呂興會;時(shí)公喜;;基于雙向二維直接線性判別分析的人臉表情識別[J];中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

7 楊昔陽;;基于模糊線性判別分析的控制規(guī)則約簡[J];泉州師范學(xué)院學(xué)報(bào);2010年06期

8 劉笑嶂;馮國燦;;多重核線性判別分析及其權(quán)值優(yōu)化[J];計(jì)算機(jī)應(yīng)用;2009年09期

9 胡煜;;線性判別分析和主分量分析法應(yīng)用于基因芯片數(shù)據(jù)分析[J];海南廣播電視大學(xué)學(xué)報(bào);2007年04期

10 姚棣榮;;逐步非線性判別分析[J];科技通報(bào);1988年03期

相關(guān)會議論文 前10條

1 歐陽梅蘭;張志敏;陳晨;劉鑫波;梁逸曾;;稀疏線性判別分析法在代謝組學(xué)數(shù)據(jù)研究中的應(yīng)用[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

2 張明錦;杜一平;童佩瑾;;基于非相關(guān)線性判別分析的分層特征選擇方法及其在蛋白質(zhì)組數(shù)據(jù)分析中的應(yīng)用[A];第十屆全國計(jì)算(機(jī))化學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

3 包森成;董遠(yuǎn);楊浩;董乘宇;王海拉;;中文有調(diào)語音識別系統(tǒng)的改進(jìn)[A];第九屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2007年

4 陳晨;張志敏;歐陽梅蘭;劉鑫波;易倫朝;梁逸曾;;質(zhì)心收縮正則判別分析法在代謝組學(xué)數(shù)據(jù)分析中的應(yīng)用[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

5 儀淑敏;楊立平;徐永霞;李學(xué)鵬;勵(lì)建榮;;秘魯魷魚絲在加工過程中揮發(fā)性風(fēng)味物質(zhì)分析[A];中國食品科學(xué)技術(shù)學(xué)會第十一屆年會論文摘要集[C];2014年

6 賀海浪;龍緒明;劉明曉;羅愛玲;曹宏耀;董健騰;;(2D)~2LDA和支持向量機(jī)在PCB焊點(diǎn)檢測中的應(yīng)用[A];2014中國高端SMT學(xué)術(shù)會議論文集[C];2014年

7 王毅軍;張志廣;李勇;高小榕;高上凱;楊福生;;2003年腦機(jī)接口數(shù)據(jù)競賽論文之一——基于CSSD和FDA的單次手指運(yùn)動誘發(fā)腦電分類算法[A];首屆全國功能神經(jīng)影像學(xué)和神經(jīng)信息學(xué)研討會論文匯編[C];2003年

8 黃良韜;林志敏;劉慶聰;;腦機(jī)融合圖像識別中的統(tǒng)計(jì)模型[A];2015年（第四屆）全國大學(xué)生統(tǒng)計(jì)建模大賽論文[C];2015年

9 陳思寶;姚志強(qiáng);胡郁;王仁華;;基于樹的相關(guān)系數(shù)補(bǔ)償滿方差建模技術(shù)研究[A];第九屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2007年

10 喬紅波;徐永偉;程登發(fā);周益林;;冬小麥主要病蟲害的高光譜識別[A];植物保護(hù)與現(xiàn)代農(nóng)業(yè)——中國植物保護(hù)學(xué)會2007年學(xué)術(shù)年會論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 劉笑嶂;核方法的若干關(guān)鍵問題研究及其在人臉圖像分析中的應(yīng)用[D];中山大學(xué);2010年

2 潘志斌;半監(jiān)督排序的若干關(guān)鍵問題研究[D];華中科技大學(xué);2014年

3 袁大林;代謝組學(xué)與中藥研究中復(fù)雜體系的解析方法及應(yīng)用研究[D];中南大學(xué);2010年

4 劉忠寶;基于核的降維和分類方法及其應(yīng)用研究[D];江南大學(xué);2012年

5 劉俊;人臉圖像的子空間表示研究[D];南京航空航天大學(xué);2007年

6 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學(xué)研究中的應(yīng)用[D];華東理工大學(xué);2011年

7 文穎;數(shù)字、字符識別及其應(yīng)用研究[D];上海交通大學(xué);2009年

8 尹學(xué)松;半監(jiān)督聚類分析策略設(shè)計(jì)及其拓展性研究[D];南京航空航天大學(xué);2009年

9 沈道義;基于最小化訓(xùn)練誤差的子空間分類算法研究[D];中國科學(xué)技術(shù)大學(xué);2008年

10 趙松;人臉識別中的姿態(tài)估計(jì)、識別算法和融合算法的研究[D];中國科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 王成祥;多示例學(xué)習(xí)支持向量降維機(jī)及其應(yīng)用[D];大連理工大學(xué);2019年

2 林恩;基于等級數(shù)據(jù)的產(chǎn)品質(zhì)量統(tǒng)計(jì)分析[D];上海交通大學(xué);2016年

3 房園;基于多特征信息融合的癌癥凝集素的鑒定方法研究[D];云南大學(xué);2019年

4 牛錚;基于線性判別分析和梯度提升樹的WLAN室內(nèi)定位算法研究[D];北京工業(yè)大學(xué);2019年

5 滕君;基于度量學(xué)習(xí)的行人再識別技術(shù)研究[D];重慶郵電大學(xué);2018年

6 陳莎;基于鬼成像的光學(xué)加密及物體分類方法研究[D];南京郵電大學(xué);2019年

7 車志勇;基于線性判別分析（FDA）的遷移學(xué)習(xí)方法[D];廣東工業(yè)大學(xué);2019年

8 王馨彤;函數(shù)型線性判別分析[D];新疆大學(xué);2019年

9 董良;基于線性判別分析與特征加權(quán)支持向量機(jī)的選股模型研究[D];河北工業(yè)大學(xué);2016年

10 郭月;基于正交線性判別分析的高光譜空譜聯(lián)合分類方法[D];遼寧工程技術(shù)大學(xué);2018年

本文編號：2766289