在移動互聯(lián)網(wǎng)時代,眾多商業(yè)應(yīng)用均離不開準確獲取人的位置信息。在室外廣域空間里,以GPS為代表的全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)是最有效的定位手段,由于衛(wèi)星信號被遮擋,GNSS在室內(nèi)作用有限,多種室內(nèi)定位技術(shù)紛紛涌現(xiàn),但尚無一種公認的標準手段。伴隨無線局域網(wǎng)(WLAN)及智能手機的普及,WLAN指紋定位成為應(yīng)用廣泛的室內(nèi)定位手段。圍繞降低指紋定位過程運算消耗及人力成本,提高定位精度和運行效率的目標,本文集中對WLAN指紋定位中改進定位模型及降低指紋采集工作量相關(guān)策略開展研究。主要內(nèi)容包括:LocalReliefF-C AP點選擇算法、CSBA參考點聚類算法、隱樸素貝葉斯位置估算算法、基于GPR和CGAN的指紋庫自動擴充框架、基于AP點RSS值平面搜索和疊加的定位算法、隱式眾包指紋采集及定位系統(tǒng)框架、8)4)9)-8)(6指紋樣本預(yù)處理方法以及協(xié)同隨機森林半監(jiān)督學(xué)習(xí)定位算法。主要研究成果如下:(1)室內(nèi)環(huán)境中無線網(wǎng)絡(luò)AP點不斷增多,增加了指紋定位系統(tǒng)計算復(fù)雜度,其中存在一些冗余AP點和噪聲AP點可以刪除。為了選取最優(yōu)位置判別AP點集合,提出一種基于位置判別能力評估和冗余特征檢測的AP點選擇算法LocalReliefF-C。首先,利用改進特征選擇算法ReliefF計算指紋樣本集中每個AP點分類能力權(quán)值,以此衡量AP點位置判別能力,選取權(quán)值最大的若干AP點,再計算每對所選AP點之間的最大信息系數(shù)(MIC),以此衡量AP點間的冗余關(guān)系,刪除部分冗余AP點。實驗結(jié)果表明,LocalReliefF-C AP點選擇算法能夠顯著降低定位算法的運算消耗,得到的最優(yōu)判別AP點子集同時保證了良好定位精度。(2)傳統(tǒng)定位算法為了搜索目標位置要遍歷每一個參考點的指紋樣本,隨著參考點增多搜索效率大幅下降。為提高位置查找效率,在前文AP點選擇基礎(chǔ)上,提出一種新的參考點聚類算法CSBA。離線階段將大量參考點劃分成有限數(shù)量的簇,實現(xiàn)搜索空間的局部化,在線階段先確定目標簇,再確定簇內(nèi)目標位置。聚類的依據(jù)是參考點的最優(yōu)位置判別AP點集合具有一定數(shù)量的共同元素。實驗結(jié)果表明,CSBA算法能夠有效降低定位過程比較運算次數(shù),顯著提高位置查找效率。(3)在簇內(nèi)位置估算時,引入一種改進定位模型隱樸素貝葉斯(HNB),它打破了經(jīng)典樸素貝葉斯(NB)算法關(guān)于AP點間彼此條件獨立的理想化假設(shè),通過定義隱藏的父節(jié)點把AP點之間的相互影響納入位置估算過程。實驗表明,相比經(jīng)典NB算法,HNB算法的定位精度更佳。(4)在已采樣參考點數(shù)量有限,指紋樣本數(shù)量不足條件下,定位性能難以保證。在不增加樣本采集工作量前提下,提出一種指紋庫自動生成與擴充策略,利用高斯過程回歸模型(GPR)對樣本RSS值與位置坐標之間關(guān)系進行建模,生成未采樣參考點上指紋樣本,再借助深度學(xué)習(xí)模型條件生成對抗網(wǎng)絡(luò)(CGAN)生成大量與已有樣本極為相似的指紋樣本,實現(xiàn)指紋庫擴充。(5)在指紋庫自動擴充基礎(chǔ)上,位置估算階段提出一種基于AP點RSS值平面搜索和疊加的定位算法。構(gòu)造指紋庫中每個AP點在定位平面上的RSS值矩陣,針對新的RSS觀測向量,依次在每個AP點RSS值平面上尋找目標位置區(qū)域,最后將多個目標區(qū)域疊加,確定最終定位結(jié)果。(6)傳統(tǒng)指紋收集過程需要耗費高昂時間和人力成本,成為指紋定位系統(tǒng)推廣使用的瓶頸。提出一種隱式眾包指紋采集及位置估算系統(tǒng)框架,系統(tǒng)包含樣本采集客戶端、指紋樣本預(yù)處理模塊、半監(jiān)督學(xué)習(xí)位置估算模塊等核心組件。眾包模式將繁重的樣本采集任務(wù)分發(fā)給眾多志愿者,指紋服務(wù)器實現(xiàn)上傳樣本的接收和集成。采集程序在設(shè)備后臺靜默運行無需用戶主動干預(yù),進一步提高系統(tǒng)實用性。min-max規(guī)范化方法實現(xiàn)眾包采集指紋的預(yù)處理,統(tǒng)一各樣本RSS值取值范圍,實現(xiàn)取值離散化,有效解決眾包模式下觀測設(shè)備異構(gòu)性問題,為后續(xù)位置估算過程做好數(shù)據(jù)準備。(7)隱式眾包模式采集了大量無標記樣本,為將它們用于定位,引入一種融合協(xié)同訓(xùn)練和集成學(xué)習(xí)思想的半監(jiān)督學(xué)習(xí)定位算法Co-RandomForest。算法以協(xié)同訓(xùn)練的方式利用無標記樣本集反復(fù)優(yōu)化生成的隨機森林分類器,發(fā)揮集成學(xué)習(xí)優(yōu)勢簡化求解最置信樣本過程,提高算法執(zhí)行效率。實驗結(jié)果表明,Co-RandomForest在使用少量標記樣本條件下,通過挖掘大量易于獲得的無標記樣本定位價值,能夠取得與傳統(tǒng)監(jiān)督學(xué)習(xí)算法相當(dāng)?shù)亩ㄎ恍阅?從而擺脫對大量標記樣本采樣過程的依賴。
【學(xué)位單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：TN925.93
【部分圖文】：

智能手機-22 -95 73圖2-3具體描繪了5種不同移動設(shè)備在5個參考位置上觀測所得RSS平均值的差異情況，每一個子圖對應(yīng)一個不同的 AP 點�？梢园l(fā)現(xiàn)，即使在相同位置上針對同一 AP 點進行觀測，不同類型設(shè)備所得的 RSS 平均值也總是存在差異。本實驗中不同類型設(shè)備觀測 RSS 均值最大差距可達 27dBm，平均差距也有 8dBm。究其原因，一是因為不同硬件在信號強度感測能力方面存在差異，二是因為不同設(shè)備廠商所使用 RSSI 到 RSS 的映射方案是不統(tǒng)一的。RSSI（Received SignalStrength Indicator）是接收設(shè)備（無線網(wǎng)卡或 Wi-Fi 模塊）接收射頻信號能量強度的測量值，IEEE 802.11 標準規(guī)定 RSSI 的取值介于 0 到 255 之間，而實際上硬件廠商實現(xiàn)時將 RSSI 限制在 0 到 RSSI_Max 之間

2 WLAN 位置指紋室內(nèi)定位基礎(chǔ)理論瑞利（Rayleigh）分布、麥克斯韋（Maxwell）分布多為右偏分布較難用已知典型分布來建模。圖 2-4 展示了實驗區(qū)域里采集的 100方圖的偏度值情況，采樣位置為圖書館借閱大廳中隨機選取的 20個參考點上收集周圍環(huán)境中 5 個 AP 點的信號強度值，針對每個 A 40 次構(gòu)成 RSS 直方圖。從圖中可以看到，100 個直方圖中共有 6負值，16%的偏度小于-0.5，說明 62%的 RSS 直方圖是左偏斜的，為顯著偏斜的。表 2-2 給出了偏度值在各區(qū)間的分布情況。一般而信號強度等級較高時（例如在 AP 點距離觀測設(shè)備較近，或者在視RSS 數(shù)據(jù)分布呈現(xiàn)比較顯著的左偏形態(tài)，當(dāng)信號強度較低時（在 A設(shè)備較遠，或在非視距條件下），左偏形態(tài)相對輕微。在進行位置時，對于分布特征為輕微偏斜的 RSS 值可以用高斯分布近似描述斜的 RSS 值利用直方圖方法加以描述，常常取得更好的效果。

圖 2-5 參考點位置分布Figure 2-5 Distribution of reference locations圖 2-6 不同參考點上指紋數(shù)據(jù)的可區(qū)分性-6 Distinguishability of fingerprint data on different ref
【參考文獻】

相關(guān)期刊論文 前10條

1 吳海玲;高麗峰;汪陶勝;李作虎;;北斗衛(wèi)星導(dǎo)航系統(tǒng)發(fā)展與應(yīng)用[J];導(dǎo)航定位學(xué)報;2015年02期

2 阮陵;張翎;許越;鄭星雨;;室內(nèi)定位:分類、方法與應(yīng)用綜述[J];地理信息世界;2015年02期

3 汪明峰;顧成城;;上海智慧城市建設(shè)中公共WLAN熱點的空間分析與檢討[J];地理科學(xué)進展;2015年04期

4 鄧中亮;尹露;;基于TC-OFDM體制的室內(nèi)定位系統(tǒng)[J];電信網(wǎng)技術(shù);2015年03期

5 劉春燕;王堅;;基于幾何聚類指紋庫的約束KNN室內(nèi)定位模型[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2014年11期

6 趙銳;鐘榜;朱祖禮;馬樂;姚金飛;;室內(nèi)定位技術(shù)及應(yīng)用綜述[J];電子科技;2014年03期

7 沈芮;張劍;;基于可見光通信的室內(nèi)定位方法[J];信息工程大學(xué)學(xué)報;2014年01期

8 劉越;李珊;王彥龍;;4G背景下的WLAN發(fā)展趨勢[J];世界電信;2013年12期

9 李晶輝;張小剛;陳華;胡義函;;一種改進隱樸素貝葉斯算法的研究[J];小型微型計算機系統(tǒng);2013年07期

10 王巍;;慣性技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J];自動化學(xué)報;2013年06期

本文編號：2886931