隨著無線網(wǎng)絡的大規(guī)模部署和智能移動終端的迅速普及,基于位置服務(Location Based Service,LBS)已經(jīng)廣泛應用到社會生活和生產(chǎn)的各個領(lǐng)域,在電子商務、醫(yī)療保健、緊急救援、物流管理等方面都展示了良好的發(fā)展前景和巨大的市場空間。由于無線局域網(wǎng)(Wireless Local Area Networks,WLAN)系統(tǒng)已經(jīng)部署在諸如商場、學校、醫(yī)院、機場等公共場所,因此在不增加任何硬件設(shè)備的情況下,只進行軟件開發(fā)即可實現(xiàn)對用戶位置的估計,這使得WLAN定位系統(tǒng)成為實現(xiàn)室內(nèi)定位導航和LBS發(fā)展的首選。然而,受限于室內(nèi)復雜的電磁環(huán)境,接收信號強度(Received Signal Strength,RSS)數(shù)據(jù)具有高度不確定性,因此,傳統(tǒng)WLAN定位系統(tǒng)需要采集大量RSS數(shù)據(jù)建立radio map,這使得離線階段采集工作量巨大,限制了WLAN定位系統(tǒng)的大規(guī)模推廣應用。眾包技術(shù)將radio map的建立過程交給大量志愿者完成,對每個志愿者采集的少量RSS數(shù)據(jù)進行整合即可獲得radio map。基于眾包的WLAN室內(nèi)定位系統(tǒng)有效降低了離線階段的采集工作量,但該系統(tǒng)中仍然有一些關(guān)鍵環(huán)節(jié)有待深入研究。通過對基于眾包的WLAN室內(nèi)定位技術(shù)的深入研究和國內(nèi)外研究現(xiàn)狀的分析,目前基于眾包的WLAN室內(nèi)定位系統(tǒng)中存在以下幾個問題:首先,不管是在線階段還是離線階段,每個用戶手中的移動終端各不相同,造成嚴重的設(shè)備多樣性問題;其次,志愿者使用的移動終端中傳感器性能不同,因此無法給所有采集的RSS數(shù)據(jù)進行位置標記,帶來了大量無標記數(shù)據(jù),而傳統(tǒng)的定位技術(shù)無法有效利用未標記數(shù)據(jù),造成資源浪費,半監(jiān)督學習算法雖然能夠利用未標記數(shù)據(jù),但傳統(tǒng)連接圖容易受噪聲影響,造成定位精度的下降;最后,雖然利用眾包技術(shù)可以降低離線階段采集工作量,但每個志愿者采集的RSS數(shù)據(jù)數(shù)量較少,這使得RSS數(shù)據(jù)的波動會影響所建立radio map的精度,造成定位精度的降低。針對上述基于眾包的WLAN室內(nèi)定位系統(tǒng)中存在的問題,本文的主要研究和創(chuàng)新點如下:第一,針對基于眾包的WLAN室內(nèi)定位系統(tǒng)中設(shè)備多樣性帶來的RSS差異問題,本文提出了基于線性回歸算法的設(shè)備多樣性問題消除方法,實現(xiàn)了不同設(shè)備采集RSS數(shù)據(jù)的融合。由于不同設(shè)備使用的WLAN信號接收天線和芯片、信號處理算法都不相同,因此在同一時間同一地點接收的同一AP的RSS值各不相同,但不同設(shè)備采集的RSS數(shù)據(jù)之間存在線性關(guān)系,利用線性回歸算法對不同設(shè)備采集的RSS數(shù)據(jù)進行處理,能夠?qū)⒉煌O(shè)備采集的RSS數(shù)據(jù)映射到同一個數(shù)據(jù)空間,從而實現(xiàn)了在離線階段建立具有一致性的radio map,在線階段實現(xiàn)高精度定位。針對線性最小二乘算法對奇異點敏感的問題,本文提出了利用快速最小截平方算法計算不同設(shè)備之間的線性回歸系數(shù),從而提高了系統(tǒng)的抗噪聲能力。利用線性回歸算法可以大幅度消除不同設(shè)備之間的差異性,提高整個定位系統(tǒng)的定位精度。在利用線性回歸算法消除設(shè)備多樣性問題后,本文推導得到了radio map中各指紋的誤檢測概率公式,表明當某一指紋在物理空間上越靠近在線RSS數(shù)據(jù)的最近鄰指紋時,其被誤檢測概率越高。第二,針對基于眾包的WLAN室內(nèi)定位系統(tǒng)中未標記點無法有效利用和半監(jiān)督學習算法的連接圖對噪聲敏感的問題,本文提出了基于壓縮感知的半監(jiān)督學習WLAN室內(nèi)定位算法,實現(xiàn)了連接圖的精確重構(gòu)和未標記點的有效利用,提高了定位精度。在建立radio map時,志愿者手中的終端設(shè)備不一定全部裝備有傳感器,有些志愿者出于個人原因會關(guān)閉某些傳感器,因此很多RSS數(shù)據(jù)沒有對應的位置坐標。半監(jiān)督學習算法可以利用少量標記點和大量未標記點實現(xiàn)對設(shè)備采集RSS數(shù)據(jù)的坐標估計,不但能夠降低離線階段的采集工作量,而且能夠?qū)崿F(xiàn)對未標記數(shù)據(jù)的有效利用。通過壓縮感知算法,可以實現(xiàn)對連接圖權(quán)重矩陣的更加精確的重構(gòu),從而提高權(quán)重矩陣的魯棒性,實現(xiàn)更加精確的坐標估計。第三,針對基于眾包的WLAN室內(nèi)定位系統(tǒng)中RSS數(shù)據(jù)波動造成radio map精度低的問題,本文提出了基于室內(nèi)信號傳播模型的RSS數(shù)據(jù)平滑算法,實現(xiàn)了radio map中奇異點的消除和RSS數(shù)據(jù)的平滑。在radio map中,不管是坐標空間還是數(shù)據(jù)空間,各指紋之間都存在一定的內(nèi)在關(guān)系,并且利用信號傳播模型,指紋在兩個空間中的內(nèi)在關(guān)系也存在映射關(guān)系。本文利用室內(nèi)傳播模型和相鄰指紋上的RSS數(shù)據(jù),提出基于信號傳播模型的奇異點消除算法(Signal Propagation-based Outlier Reduction Technic,SPORT),實現(xiàn)對每一個參考點上的RSS數(shù)據(jù)的預測,檢測radio map中存在的奇異點,并進行糾正。通過半監(jiān)督學習算法和壓縮感知算法能夠更加精確的挖掘各指紋之間的內(nèi)在關(guān)系,并與室內(nèi)傳播模型相結(jié)合,從而實現(xiàn)了對radio map中各指紋上RSS數(shù)據(jù)的更加精確的估計,從而得到更加平滑的radio map。
【學位單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：TN925.93
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的研究背景、目的和意義
        1.1.1 課題的研究背景
        1.1.2 課題的研究目的和意義
    1.2 室內(nèi)定位技術(shù)國內(nèi)外研究現(xiàn)狀
        1.2.1 基于位置的服務發(fā)展與研究現(xiàn)狀
        1.2.2 典型的室內(nèi)定位技術(shù)
        1.2.3 基于WLAN的位置指紋室內(nèi)定位系統(tǒng)
    1.3 基于眾包的WLAN位置指紋室內(nèi)定位系統(tǒng)
        1.3.1 眾包技術(shù)國內(nèi)外發(fā)展與研究現(xiàn)狀
        1.3.2 基于眾包的WLAN位置指紋定位系統(tǒng)
    1.4 WLAN位置指紋定位系統(tǒng)存在的問題及國內(nèi)外研究現(xiàn)狀
        1.4.1 radiomap低成本建立算法研究現(xiàn)狀
        1.4.2 設(shè)備多樣性問題研究現(xiàn)狀
        1.4.3 RSS信號波動問題研究現(xiàn)狀
    1.5 本文主要研究內(nèi)容
第2章 WLAN位置指紋定位系統(tǒng)理論基礎(chǔ)
    2.1 引言
    2.2 基于WLAN的位置指紋室內(nèi)定位系統(tǒng)
        2.2.1 WLAN位置指紋室內(nèi)定位基本原理
        2.2.2 WLAN位置指紋數(shù)據(jù)庫的建立
        2.2.3 WLAN位置指紋定位算法
    2.3 基于眾包的WLAN位置指紋室內(nèi)定位基本原理
        2.3.1 基于眾包的WLAN位置指紋室內(nèi)架構(gòu)分析
        2.3.2 基于眾包的WLAN位置指紋室內(nèi)定位系統(tǒng)特征
    2.4 WLAN位置指紋室內(nèi)定位實驗系統(tǒng)
        2.4.1 哈爾濱工業(yè)大學科學園2A棟12樓走廊室內(nèi)定位環(huán)境
        2.4.2 多倫多大學Bahen樓4樓走廊室內(nèi)定位環(huán)境
    2.5 本章小結(jié)
第3章 基于線性回歸的設(shè)備多樣性問題消除算法
    3.1 引言
    3.2 WLAN室內(nèi)定位系統(tǒng)終端多樣性問題分析
        3.2.1 終端多樣性問題描述
        3.2.2 終端采集RSS數(shù)據(jù)線性關(guān)系證明
    3.3 基于線性回歸的設(shè)備多樣化消除算法
        3.3.1 RSS數(shù)據(jù)預處理
        3.3.2 RSS數(shù)據(jù)預定位
        3.3.3 AP選擇
        3.3.4 基于線性回歸算法的設(shè)備多樣化問題消除
    3.4 線性回歸算法指紋誤檢測概率分析
        3.4.1 特殊情況：radiomapX中包含兩個指紋
        3.4.2 一般情況：radiomapX中包含n個指紋
    3.5 實驗結(jié)果與分析
        3.5.1 實驗設(shè)置
        3.5.2 線性回歸算法試驗結(jié)果
        3.5.3 RSS數(shù)據(jù)預處理與預定位對定位結(jié)果影響
    3.6 本章小結(jié)
第4章 基于壓縮感知的半監(jiān)督學習室內(nèi)定位算法
    4.1 引言
    4.2 半監(jiān)督學習算法
        4.2.1 無監(jiān)督學習
        4.2.2 監(jiān)督學習
        4.2.3 半監(jiān)督學習
    4.3 基于圖的半監(jiān)督學習室內(nèi)定位算法
        4.3.1 標記傳播算法及其收斂性分析
        4.3.2 基于標簽傳播的室內(nèi)定位算法
        4.3.3 傳統(tǒng)圖構(gòu)建方法
        4.3.4 壓縮感知理論
        4.3.5 基于壓縮感知的權(quán)重圖重構(gòu)算法
        4.3.6 基于KNN-L1理論的權(quán)重圖重構(gòu)算法
    4.4 實驗與仿真結(jié)果與分析
        4.4.1 實驗設(shè)置
        4.4.2 半監(jiān)督學習算法定位結(jié)果
        4.4.3 KNN-L1圖對定位結(jié)果影響
    4.5 本章小結(jié)
第5章 基于室內(nèi)信號傳播模型的RSS數(shù)據(jù)平滑算法
    5.1 引言
    5.2 室內(nèi)環(huán)境中RSS信號波動分析
    5.3 基于壓縮感知的AP位置估計算法
    5.4 基于信號傳播模型的奇異值消除算法
        5.4.1 SPORT基本理論
        5.4.2 基于SPORT算法的奇異值消除算法
    5.5 RSS差值感知的半監(jiān)督學習RSS數(shù)據(jù)平滑算法
        5.5.1 差值?Rd（Si,Sj）估計
        5.5.2 最優(yōu)值求解
        5.5.3 基于壓縮感知理論的RG-SSL稀疏圖建立算法
    5.6 實驗結(jié)果與分析
        5.6.1 基于SPORT算法的奇異值消除仿真結(jié)果分析
        5.6.2 基于半監(jiān)督學習算法的RSS數(shù)據(jù)平滑結(jié)果分析
        5.6.3 權(quán)重圖稀疏恢復對RSS數(shù)據(jù)平滑的影響
        5.6.4 RSS數(shù)據(jù)平滑算法在哈爾濱工業(yè)大學2A棟12樓定位環(huán)境的性能
    5.7 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學位期間發(fā)表的論文及其他成果
致謝
個人簡歷

【相似文獻】

相關(guān)期刊論文 前10條

1 馬旭燕;;眾包在項目翻譯教學中的應用初探[J];上海翻譯;2017年06期

2 王志宏;傅長濤;李陽陽;;眾包的行業(yè)應用研究述評[J];長安大學學報(社會科學版);2017年05期

3 李洋;溫亮明;李健;;國內(nèi)圖書館眾包研究文獻綜述[J];知識管理論壇;2018年02期

4 劉彤;;關(guān)于檔案眾包的分析與研究[J];山東檔案;2018年04期

5 曾婧婧;;國外政府資助型科研眾包研究綜述[J];中國科技論壇;2016年12期

6 郝迎春;祖菊;;人力資源眾包服務平臺應用研究[J];企業(yè)改革與管理;2017年07期

7 張永云;張生太;吳翠花;;嵌入還是卷入:眾包個體緣何貢獻知識?[J];科研管理;2017年05期

8 張宏樹;陳雪波;;眾包十年背景下的眾籌新聞再考察[J];青年記者;2017年17期

9 任重;;基于萬眾創(chuàng)新的科研眾包研究:定義、理論內(nèi)涵與啟示[J];自然辯證法通訊;2017年04期

10 王曄;;科研眾包模式下圖書館支持服務研究[J];圖書館研究;2017年04期

相關(guān)博士學位論文 前10條

1 張立曄;基于眾包的WLAN室內(nèi)定位技術(shù)研究[D];哈爾濱工業(yè)大學;2018年

2 向為;創(chuàng)意設(shè)計柔性眾包的方法與應用[D];浙江大學;2017年

3 吳薇;眾包競賽情境下接包者持續(xù)參與行為研究：競爭自我效能的作用[D];中國科學技術(shù)大學;2018年

4 林素芬;基于眾包參與者網(wǎng)絡的眾包績效提升研究[D];華僑大學;2015年

5 馮小亮;基于雙邊市場的眾包模式研究[D];武漢大學;2012年

6 饒華銘;人本計算系統(tǒng)中眾包數(shù)據(jù)質(zhì)量控制方法的改進及其應用研究[D];南京理工大學;2017年

7 龐建剛;眾包社區(qū)創(chuàng)新的運營機制設(shè)計[D];中國科學技術(shù)大學;2014年

8 胡昭陽;眾包科學：網(wǎng)絡傳播語境下的公眾參與創(chuàng)新[D];中國科學技術(shù)大學;2015年

9 李春華;基于機器學習模型與眾包的知識融合方法研究[D];蘇州大學;2017年

10 鄒凌飛;眾包社區(qū)成員創(chuàng)造力績效影響因素分析及其應用研究[D];華中科技大學;2015年

相關(guān)碩士學位論文 前10條

1 王夢婧;基于眾包的物流配送調(diào)度優(yōu)化方案[D];哈爾濱工業(yè)大學;2017年

2 張倩茹;互聯(lián)網(wǎng)競賽型眾包模式下雇主績效影響因素與管理策略[D];長安大學;2018年

3 莫小燕;基于眾包手機數(shù)據(jù)的實時路況估計和路徑規(guī)劃研究[D];哈爾濱工業(yè)大學;2017年

4 江雨;基于不確定任務環(huán)境的眾包用戶行為分析及調(diào)度策略研究[D];華東師范大學;2018年

5 吳永成;基于眾包平臺針對可達性查詢的不確定圖清洗研究[D];華東師范大學;2018年

6 章漢銘;基于表示學習的眾包服務領(lǐng)域用戶消費意圖理解技術(shù)的研究[D];哈爾濱工業(yè)大學;2018年

7 張真銘;科研眾包平臺雙邊用戶參與行為的影響因素研究[D];太原理工大學;2018年

8 趙敏;眾包模式下我國中小企業(yè)創(chuàng)新績效影響研究[D];華中師范大學;2018年

9 艾闊;眾包數(shù)據(jù)提取平臺的設(shè)計與實現(xiàn)[D];北京交通大學;2018年

10 孫毓鴻;基于眾包的CIDP平臺出版編撰流程改進研究[D];西安工業(yè)大學;2018年

本文編號：2873417