本文選題：室內(nèi)定位　切入點(diǎn)：WiFi定位　出處：《中國(guó)礦業(yè)大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：普適計(jì)算要求無處不在的計(jì)算機(jī)和傳感器能進(jìn)行情境感知,并相應(yīng)改變自己的行為,主動(dòng)適應(yīng)用戶的需求和工作的變化,以提供更加智能的服務(wù)。位置感知是情境感知中的重要內(nèi)容,結(jié)合各類增強(qiáng)技術(shù)的全球衛(wèi)星導(dǎo)航定位系統(tǒng)在室外動(dòng)態(tài)定位中已可獲得亞米級(jí)的精度,但在城市峽谷和建筑室內(nèi),無線電傳播受阻擋嚴(yán)重且多路徑效應(yīng)明顯,系統(tǒng)存在局限。目前室內(nèi)定位已有較多解決方案,但各類技術(shù)優(yōu)劣并存,需要進(jìn)行融合,而智能手機(jī)不僅計(jì)算性能優(yōu)越,還集成了豐富的傳感器,為各類室內(nèi)定位技術(shù)的融合提供了良好的硬件平臺(tái)。另外,在位置感知基礎(chǔ)上,基于位置的服務(wù)已在國(guó)民生產(chǎn)生活的各方面發(fā)揮重要作用,它的服務(wù)方式除了根據(jù)用戶的主動(dòng)請(qǐng)求返回信息,還包括自動(dòng)分析用戶的需求從而進(jìn)行服務(wù)的推送,但僅根據(jù)用戶位置來進(jìn)行用戶活動(dòng)分析,忽視了其他情境信息的作用,導(dǎo)致需求判定不準(zhǔn)確,用戶體驗(yàn)較差。為了提高服務(wù)體驗(yàn),提供普適計(jì)算中的智能服務(wù),需要利用感知到的位置以及多維情境信息對(duì)人類當(dāng)前活動(dòng)進(jìn)行精準(zhǔn)識(shí)別。針對(duì)位置感知中的室內(nèi)連續(xù)高精度平面定位和高程(尤其是樓層)信息感知等問題,本文結(jié)合WiFi定位技術(shù)的優(yōu)勢(shì)與智能手機(jī)多傳感器平臺(tái)的基礎(chǔ),對(duì)WiFi定位、WiFi與IMU的融合定位、氣壓計(jì)樓層信息獲取展開研究;針對(duì)在位置信息基礎(chǔ)上的人類活動(dòng)精準(zhǔn)識(shí)別問題,本文對(duì)關(guān)于用戶的多維情境信息的利用方面展開探索。具體研究?jī)?nèi)容與成果包括:(1)對(duì)WiFi RSSI的信道傳播進(jìn)行了分析,在RSSI時(shí)空規(guī)律分析基礎(chǔ)上,總結(jié)了RSSI測(cè)量值中的誤差成分,指出測(cè)量值中存在隨時(shí)間漂移的系統(tǒng)偏差,為此提出差分誤差改正模型。實(shí)驗(yàn)表明,該方法切實(shí)可行,使基于確定性和概率算法的誤差均方根均降至4米左右,尤其對(duì)確定性算法改善效果明顯。(2)對(duì)WiFi RSSI指紋定位系統(tǒng)的誤差質(zhì)量控制進(jìn)行了研究,重點(diǎn)研究了接入點(diǎn)密度、接入點(diǎn)分布、傳播衰減因子、環(huán)境噪聲、參考點(diǎn)密度等影響因子,并通過仿真平臺(tái)進(jìn)行了實(shí)驗(yàn)分析。實(shí)驗(yàn)表明高接入點(diǎn)密度、高傳播衰減因子與低環(huán)境噪聲有利于獲得精確位置,而參考點(diǎn)密度則在1米左右時(shí)較有利于定位,但接入點(diǎn)分布對(duì)定位誤差無明確的影響規(guī)律。(3)針對(duì)WiFi RSSI定位結(jié)果不連續(xù)的問題,提出與智能手機(jī)IMU PDR進(jìn)行融合定位,綜合考慮非線性濾波精度和計(jì)算平臺(tái)的運(yùn)算效率,采用了UKF融合算法。同時(shí),為了使定位結(jié)果評(píng)估更全面,提出并采用了一種顧及動(dòng)靜態(tài)的精度評(píng)估方法來進(jìn)行綜合定位結(jié)果評(píng)估。實(shí)驗(yàn)表明,融合后的系統(tǒng)能夠連續(xù)動(dòng)態(tài)地獲取用戶位置,且定位誤差平均值為3.52米,精度較單獨(dú)WiFi系統(tǒng)有所提高。(4)針對(duì)室內(nèi)定位中高程研究不夠充分的問題,考慮到相同建筑內(nèi)大氣物理?xiàng)l件關(guān)聯(lián)性強(qiáng),且室內(nèi)定位中多結(jié)合用戶所在樓層的方式進(jìn)行應(yīng)用等因素,本文結(jié)合手機(jī)氣壓計(jì)提出了基于差分氣壓測(cè)高的樓層判定方法。實(shí)驗(yàn)結(jié)果表明,測(cè)高精度為分米級(jí),小于一般樓層高度3米,在判定閾值設(shè)置為1米時(shí),樓層判定精度在98.0%以上,即該方法可進(jìn)行有效的樓層判定。(5)針對(duì)人類活動(dòng)的精準(zhǔn)識(shí)別問題,提出利用包括時(shí)間情境(時(shí)刻)、空間情境(位置)、時(shí)空情境(位置時(shí)長(zhǎng))和用戶情境等多維情境的特征框架來進(jìn)行情境特征提取,并結(jié)合機(jī)器學(xué)習(xí)算法來識(shí)別活動(dòng)。利用校園活動(dòng)中的八個(gè)復(fù)雜活動(dòng)的識(shí)別實(shí)驗(yàn)對(duì)該框架進(jìn)行驗(yàn)證,其結(jié)果表明,該框架能有效進(jìn)行活動(dòng)識(shí)別,其平均識(shí)別精度可達(dá)84.1%。(6)針對(duì)多維情境機(jī)器學(xué)習(xí)中分類算法眾多的問題,本文基于線性模型,并綜合考慮識(shí)別(分類)精度、學(xué)習(xí)(訓(xùn)練)效率、識(shí)別(分類)效率等指標(biāo)建立了一種算法優(yōu)選框架,利用Weka學(xué)習(xí)平臺(tái)對(duì)18個(gè)離線學(xué)習(xí)算法進(jìn)行評(píng)估,實(shí)驗(yàn)表明在三個(gè)指標(biāo)的加權(quán)方案為1.0:0.8:1.2時(shí),決策樹框架下的REPTree算法在綜合評(píng)估結(jié)果中具有優(yōu)勢(shì)。針對(duì)多維情境框架驗(yàn)證實(shí)驗(yàn)中的分類精度不高的問題,根據(jù)算法優(yōu)選的結(jié)果,提出利用隨機(jī)森林算法進(jìn)行改進(jìn),實(shí)驗(yàn)表明,加權(quán)平均F1量測(cè)值有較大提高,表明分類精度效果上有較大改善。針對(duì)算法評(píng)估中發(fā)現(xiàn)的離線學(xué)習(xí)效率低和模型更新不及時(shí)的問題,提出在線學(xué)習(xí)方法進(jìn)行改進(jìn),實(shí)驗(yàn)結(jié)果表明,在線學(xué)習(xí)方式學(xué)習(xí)效率高,且能夠有效利用新數(shù)據(jù)對(duì)模型進(jìn)行實(shí)時(shí)更新。
[Abstract]:......
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN92;TP181
，

本文編號(hào)：1592807