隨著無線通信的高速發(fā)展和廣泛普及,基于移動終端位置信息的服務在人們的生產(chǎn)生活中有著日趨重要的作用。由于衛(wèi)星定位精度受限于環(huán)境中的陰影效應與非視距傳播條件,在室內(nèi)場景下不再適用,針對于復雜信道環(huán)境下的高精度定位問題亟待解決�？紤]到Wi-Fi無線系統(tǒng)已廣泛部署,幾何定位技術(shù)的定位精度受限于精確的幾何參數(shù)測量,不僅對通信帶寬有極大需求也對移動終端的硬件模塊性能有極大要求,人們?nèi)粘Ｍㄐ艞l件難以滿足。因此本文重點研究基于Wi-Fi無線系統(tǒng)的指紋定位技術(shù),為復雜信道環(huán)境中的高精度定位技術(shù)提出解決方案與建議。論文使用工業(yè)界現(xiàn)有的Intel 5300網(wǎng)絡適配器和修改驅(qū)動器測量IEEE 802.11n信道狀態(tài)信息,分析多種特征以說明實驗平臺的可行性以及信道狀態(tài)信息作為指紋定位數(shù)據(jù)源的可行性。為了盡可能地增加信道狀態(tài)信息特征數(shù)量以提高定位精度,采用發(fā)射天線輪換測量的方法以模擬虛擬發(fā)射天線陣列。從實際定位應用場景出發(fā),本文通過設計兩種信道狀態(tài)信息采集方案研究定位環(huán)境動態(tài)變化對定位精度的影響。為了滿足定位系統(tǒng)的實時性需求,主成分分析法被提出用于對信道狀態(tài)信息數(shù)據(jù)集進行特征維度壓縮以建立離線指紋庫。本文重點實現(xiàn)...

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 Wi-Fi定位技術(shù)的國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢
        1.2.1 研究現(xiàn)狀
            1.2.1.1 幾何定位
            1.2.1.2 指紋定位
        1.2.2 發(fā)展趨勢
    1.3 主要研究內(nèi)容
    1.4 創(chuàng)新點與貢獻
    1.5 論文結(jié)構(gòu)安排
第二章 Wi-Fi 802.11n信道狀態(tài)信息的獲取實驗
    2.1 實驗平臺和環(huán)境
        2.1.1 實驗設備和參數(shù)設置
        2.1.2 實驗環(huán)境和場景
    2.2 實驗數(shù)據(jù)獲取
        2.2.1 數(shù)據(jù)要求
        2.2.2 測量方法
    2.3 實驗數(shù)據(jù)分析
        2.3.1 數(shù)據(jù)結(jié)構(gòu)
        2.3.2 數(shù)據(jù)特征
            2.3.2.1 幅度特征
            2.3.2.2 相位特征
            2.3.2.3 位置特征
            2.3.2.4 時間特征
            2.3.2.5 小結(jié)
        2.3.3 數(shù)據(jù)誤差
    2.4 實驗數(shù)據(jù)預處理
        2.4.1 樣本平均
        2.4.2 維度重排
        2.4.3 特征壓縮
    2.5 本章小結(jié)
第三章 基于信道狀態(tài)信息的指紋定位方法及原理
    3.1 K最近鄰
    3.2 人工神經(jīng)網(wǎng)絡
        3.2.1 神經(jīng)網(wǎng)絡基本模型
            3.2.1.1 前向傳播
            3.2.1.2 代價函數(shù)
            3.2.1.3 反向傳播
        3.2.2 超參數(shù)設置與選擇
            3.2.2.1 數(shù)據(jù)集劃分
            3.2.2.2 正則化模型
    3.3 度量學習
        3.3.1 大間隔最近鄰居基本原理
        3.3.2 優(yōu)化問題的轉(zhuǎn)化與求解
    3.4 多樣本統(tǒng)計
    3.5 局部異常因子算法
    3.6 本章小結(jié)
第四章 定位結(jié)果與分析
    4.1 驗證集選擇
    4.2 KNN與ANN定位結(jié)果與分析
        4.2.1 KNN超參數(shù)選擇
        4.2.2 ANN數(shù)據(jù)輸入格式
        4.2.3 ANN輸出坐標處理
        4.2.4 ANN超參數(shù)選擇
        4.2.5 定位結(jié)果對比與分析
    4.3 度量學習應用
        4.3.1 場景分析
        4.3.2 定位結(jié)果與分析
    4.4 多樣本統(tǒng)計定位與局部異常因子算法結(jié)果與分析
    4.5 算法復雜度分析
    4.6 結(jié)論
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 潛在研究
致謝
參考文獻



本文編號：3770929