隨著物聯(lián)網(wǎng)的發(fā)展,各種室內(nèi)場景中的定位和導(dǎo)航需求也與日俱增。無論是商場、機場內(nèi)的路線查詢,還是倉庫中的貨品定位、家中的寵物活動監(jiān)督等,都需要獲取其在室內(nèi)環(huán)境中的位置信息。本文以“射頻拉遠單元(RRU)+遠端匯聚單元(P-Bridge)+基帶處理單元(BBU)”網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ),研究如何根據(jù)移動終端感知到的來自各個RRU的信號強度信息來進行室內(nèi)定位。針對測量階段采集的RSS(Received Signal Strength)指紋數(shù)據(jù)及記錄的位置信息,本文對基于BP神經(jīng)網(wǎng)絡(luò)的指紋定位法進行了改進,分為模型訓(xùn)練和定位兩個階段。在模型訓(xùn)練階段,完成各個子區(qū)域內(nèi)定位神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。在定位階段,首先,對用戶感知到的RSS指紋特征進行分析,確定用戶所處的子區(qū)域;然后,利用訓(xùn)練好的定位模型來確定用戶在子區(qū)域內(nèi)的相對位置坐標(biāo);最后,根據(jù)用戶所處的子區(qū)域編號及子區(qū)域內(nèi)的相對位置坐標(biāo)來推斷出用戶的絕對位置坐標(biāo)。仿真結(jié)果表明,與使用傳統(tǒng)的RSS指紋定位法相比,改進后的定位模型的均方根誤差減小18%左右。針對定位模型運行過程中收集到的用戶的RSS指紋序列,本文設(shè)計了一種基于半監(jiān)督學(xué)習(xí)的室內(nèi)定位算法。首先,利用Ba...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1. 研究背景及意義
        1.1.1. 室內(nèi)定位系統(tǒng)簡介
        1.1.2. 移動終端感知簡介
    1.2. 國內(nèi)外研究現(xiàn)狀
    1.3. 論文結(jié)構(gòu)
第二章 基于BP神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位算法研究
    2.1. BP神經(jīng)網(wǎng)絡(luò)介紹
    2.2. 基于BP神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位算法分析
        2.2.1. RSS定位法介紹
        2.2.2. RSS定位法性能分析
    2.3. 基于BP神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位算法優(yōu)化
        2.3.1. 基于BP神經(jīng)網(wǎng)絡(luò)的分區(qū)域室內(nèi)定位法
        2.3.2. 異質(zhì)設(shè)備問題的影響及解決方案
    2.4. 本章小結(jié)
第三章 基于半監(jiān)督學(xué)習(xí)的室內(nèi)定位算法設(shè)計與實現(xiàn)
    3.1. 基于Baurn-Welch算法的用戶運動模型研究
        3.1.1. Baum-Welch算法介紹
        3.1.2. 基于Baum-Welch算法的用戶平面運動模型
        3.1.3. 基于Baum-Welch算法的用戶跨樓層運動模型
    3.2. 半監(jiān)督室內(nèi)定位算法設(shè)計
    3.3. 仿真結(jié)果及分析
    3.4. 小規(guī)模室內(nèi)定位系統(tǒng)實現(xiàn)
    3.5. 本章小結(jié)
第四章 基于移動終端感知的室內(nèi)定位激勵機制設(shè)計
    4.1. 移動終端感知介紹
    4.2. 激勵機制介紹
    4.3. 基于移動終端感知的室內(nèi)定位激勵機制設(shè)計
    4.4. 仿真結(jié)果分析
    4.5. 本章小結(jié)
第五章 總結(jié)與展望
    5.1. 總結(jié)
    5.2. 展望
參考文獻
致謝



本文編號：3837312