隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展和普及,基于物理位置的各項(xiàng)服務(wù)展現(xiàn)了廣闊的市場(chǎng)前景,例如,緊急救助、醫(yī)療保健、定位導(dǎo)航等。然而傳統(tǒng)的藍(lán)牙、紅外線、傳感器等室內(nèi)定位技術(shù),由于對(duì)硬件和軟件要求高,阻礙了這些技術(shù)在實(shí)際的室內(nèi)定位場(chǎng)景中的應(yīng)用。隨著無(wú)線網(wǎng)絡(luò)的快速普及,為室內(nèi)定位提供了新的研究思路,采用無(wú)線信號(hào)中的接收信號(hào)強(qiáng)度指示(Received Signal Strength Indication,RSSI)的室內(nèi)定位技術(shù)只需借助無(wú)線網(wǎng)絡(luò)資源便可實(shí)現(xiàn)精準(zhǔn)的室內(nèi)定位,顯著縮減了部署成本,因此在現(xiàn)實(shí)應(yīng)用中具有明顯優(yōu)勢(shì)。本文對(duì)基于RSSI的室內(nèi)位置指紋技術(shù)定位方法進(jìn)行研究分析,提出了一種基于高斯混合模型和改進(jìn)K近鄰的位置指紋定位算法GMM-DWKNN,主要工作如下:首先根據(jù)無(wú)線網(wǎng)絡(luò)中的接受信號(hào)強(qiáng)度指示,在室內(nèi)位置指紋定位離線階段采集指紋信息構(gòu)建指紋庫(kù),為了加快定位速度提高時(shí)效性,對(duì)指紋庫(kù)進(jìn)行聚類處理形成指紋簇。然而,考慮到現(xiàn)有的K-means聚類算法只能處理分布為凸型的數(shù)據(jù)集,對(duì)非凸形的數(shù)據(jù)則比較難收斂甚至不可聚類,針對(duì)此問(wèn)題,本文采用高斯混合模型的聚類算法對(duì)參考點(diǎn)的指紋信息進(jìn)行聚類,其聚類過(guò)程中給出的是該指紋屬于某一個(gè)簇的概率,并最終將參考點(diǎn)歸入概率較大的簇中,相較于K-means等聚類算法更具有一般性,可以得到更好的聚類效果。其次在室內(nèi)位置指紋定位在線階段,將在待定位目標(biāo)處采集的指紋信息跟指紋庫(kù)中指紋信息進(jìn)行匹配,結(jié)合相應(yīng)的定位算法實(shí)現(xiàn)對(duì)待定位目標(biāo)物理位置的估計(jì)。然而,常用于室內(nèi)定位的K近鄰定位算法沒(méi)有充分考慮到實(shí)際定位過(guò)程中不同參考點(diǎn)的指紋信息貢獻(xiàn)程度不同,而本文提出的DWKNN定位算法根據(jù)不同參考點(diǎn)的貢獻(xiàn)程度不同賦予其不同的權(quán)重信息,從而實(shí)現(xiàn)了定位精度的提高。最后將GMM-DWKNN算法應(yīng)用到位置指紋模型中進(jìn)行室內(nèi)定位實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,在同等實(shí)驗(yàn)條件未增加其他開(kāi)銷的基礎(chǔ)上,與位置指紋模型原有的定位算法相比能夠在實(shí)時(shí)定位階段提高定位精度,有效的降低了定位誤差。
【學(xué)位單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN92
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及主要工作
    1.4 論文組織結(jié)構(gòu)
第二章 室內(nèi)定位相關(guān)技術(shù)和算法
    2.1 室內(nèi)定位相關(guān)技術(shù)
    2.2 室內(nèi)定位相關(guān)算法
        2.2.1 基于測(cè)距的室內(nèi)定位算法
        2.2.2 基于位置指紋的室內(nèi)定位算法
    2.3 結(jié)合其他信號(hào)信息的位置指紋定位
    2.4 本章小結(jié)
第三章 基于高斯混合模型構(gòu)建RSSI指紋庫(kù)
    3.1 引言
    3.2 RSSI信號(hào)分析
    3.3 聚類算法
        3.3.1 K-means聚類
        3.3.2 高斯混合模型（Gaussian mixture model,GMM）
    3.4 基于高斯混合模型聚類算法構(gòu)建RSSI指紋庫(kù)
    3.5 本章小結(jié)
第四章 基于離散系數(shù)改進(jìn)的K近鄰定位算法
    4.1 引言
    4.2 位置指紋定位算法
        4.2.1 樸素貝葉斯定位算法
        4.2.2 神經(jīng)網(wǎng)絡(luò)定位算法
        4.2.3 最近鄰定位算法
    4.3 基于離散系數(shù)的加權(quán)K近鄰定位算法
        4.3.1 K近鄰定位算法
        4.3.2 離散系數(shù)加權(quán)K近鄰（DWKNN）定位算法
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)環(huán)境與配置
        5.1.1 RSSI信號(hào)采集
        5.1.2 室內(nèi)定位環(huán)境
    5.2 GMM算法構(gòu)建指紋庫(kù)
        5.2.1 指紋庫(kù)中指紋簇個(gè)數(shù)的確定
        5.2.2 指紋庫(kù)聚類結(jié)果
    5.3 GMM-DWKNN定位算法結(jié)果分析
    5.4 不同定位算法分析比較
        5.4.1 定位誤差對(duì)比
        5.4.2 累積誤差分布對(duì)比
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來(lái)研究方向
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的論文

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張靜;葉小芹;;RSSI信號(hào)的濾波分析及仿真[J];電子設(shè)計(jì)工程;2017年02期

2 孫建領(lǐng);張宏欽;;基于RSSI和遺傳算法的無(wú)線定位方法及其實(shí)現(xiàn)[J];無(wú)線互聯(lián)科技;2017年10期

3 蔡燕;陳華;;基于RSSI比例系數(shù)的加權(quán)質(zhì)心定位算法[J];現(xiàn)代職業(yè)教育;2017年13期

4 王鵬;施偉斌;孫鳳;;基于RSSI值的室內(nèi)定位系統(tǒng)算法研究[J];數(shù)據(jù)通信;2014年02期

5 雷倩倩;林敏;石寅;;A CMOS low power,process/temperature variation tolerant RSSI with an integrated AGC loop[J];Journal of Semiconductors;2013年03期

6 邱嘉寅;賴曉彬;;移動(dòng)通信交叉調(diào)制對(duì)RSSI值的影響[J];數(shù)字通信世界;2013年03期

7 李金昭;劉炳;;CDMA網(wǎng)絡(luò)RSSI異常問(wèn)題的排查及處理方法[J];科技創(chuàng)新導(dǎo)報(bào);2011年27期

8 陳文基;;CDMA網(wǎng)絡(luò)RSSI問(wèn)題分析與對(duì)策[J];移動(dòng)通信;2011年22期

9 羅陽(yáng)倩子;廖威;;基于粒子濾波的RSSI測(cè)距優(yōu)化的牛頓定位算法[J];儀表技術(shù)與傳感器;2017年06期

10 李偉;蘭萍;李萬(wàn)民;;基于RSSI測(cè)距的室內(nèi)環(huán)境定位技術(shù)[J];電腦知識(shí)與技術(shù);2017年29期

相關(guān)博士學(xué)位論文 前10條

1 杜謹(jǐn)澤;基于RSSI的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法研究[D];蘭州大學(xué);2018年

2 劉克強(qiáng);基于室內(nèi)位置與多維情境的人類活動(dòng)識(shí)別方法研究[D];中國(guó)礦業(yè)大學(xué);2017年

3 劉貞;基于無(wú)線傳感器網(wǎng)絡(luò)的機(jī)器人分布式導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2009年

4 田金鵬;無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)研究[D];上海大學(xué);2009年

5 田小平;無(wú)線電層析成像人體目標(biāo)定位關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2014年

6 徐學(xué)永;面向應(yīng)用的無(wú)線傳感網(wǎng)絡(luò)定位問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

7 史永;空間場(chǎng)景約束的室內(nèi)定位方法研究[D];南京師范大學(xué);2016年

8 李娟;無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法及能量高效路由協(xié)議的研究[D];吉林大學(xué);2009年

9 邢天璋;室外環(huán)境下WSN被動(dòng)式目標(biāo)定位方法研究[D];西北大學(xué);2015年

10 詹杰;無(wú)線傳感網(wǎng)絡(luò)定位與追蹤技術(shù)及其安全策略研究[D];湖南大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李晶;基于自適應(yīng)矢量粒子濾波的多源融合定位算法研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

2 姚喆;基于RSSI與CSI的定位技術(shù)研究[D];北京郵電大學(xué);2019年

3 王藝濃;基于RSSI無(wú)線局域網(wǎng)絡(luò)室內(nèi)定位技術(shù)的研究[D];山東工商學(xué)院;2019年

4 張穎;基于RSSI的室內(nèi)位置指紋定位算法研究[D];太原理工大學(xué);2019年

5 劉旭明;基于RSSI的室內(nèi)指紋地圖定位算法研究[D];中北大學(xué);2019年

6 李世鵬;基于RSSI概率分布的室內(nèi)定位技術(shù)的研究與實(shí)現(xiàn)[D];東北師范大學(xué);2019年

7 李娜;基于RSSI的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位誤差優(yōu)化方法研究[D];東北電力大學(xué);2019年

8 孫悅;基于DV-HOP和RSSI算法的井下人員定位研究[D];吉林大學(xué);2018年

9 蔡亞明;基于RFID的動(dòng)車組部件監(jiān)測(cè)系統(tǒng)研究[D];長(zhǎng)沙理工大學(xué);2017年

10 張漢湘;基于RSSI的無(wú)線傳感器網(wǎng)絡(luò)質(zhì)心定位算法研究[D];湖南大學(xué);2016年

本文編號(hào)：2887609