發(fā)布時間：2021-04-22 22:43

　　智能手機內(nèi)置了豐富的傳感器,可以感知與室內(nèi)位置相關的信息。充分融合多種傳感器數(shù)據(jù),對提高室內(nèi)定位精度有重要作用,成為近年來研究的熱點問題。手機的磁力計可以感知地磁場的強度。地磁場無處不在,信號穩(wěn)定,在室內(nèi)受磁性物質(zhì)的影響發(fā)生局部畸變。這些畸變使地磁強度能夠區(qū)分室內(nèi)不同的位置。WiFi AP（Access Point）在室內(nèi)廣泛部署。WiFi的信號強度RSS（Received Signal Strength）隨傳輸距離而衰減,也能用于室內(nèi)定位。然而如何充分利用二者的特性,設計低成本高精度的室內(nèi)定位算法依然面臨嚴峻挑戰(zhàn)。本文通過實驗研究發(fā)現(xiàn)地磁場和WiFi信號在位置信息粒度和位置區(qū)分度方面具有互補特性�；诖颂岢隽艘粋�面向智能手機的兩階段定位框架:粗粒度定位階段和細粒度定位階段。在該框架下實現(xiàn)了基于地磁和WiFi融合的兩種定位算法:MagWi和DeepLoc。MagWi是一種基于誤差分配權(quán)重的特征融合室內(nèi)定位算法。它使用獨立于手機姿態(tài)的二維地磁特征。為了充分利用地磁和WiFi的互補性,MagWi建立了預測誤差模型,該模型能夠描述特征的定位能力。MagWi在粗粒度定位利用WiFi RSS特征... 

【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景
    1.2 研究現(xiàn)狀及存在問題
        1.2.1 室內(nèi)定位技術分類及其應用場景
        1.2.2 室內(nèi)定位中的多傳感器數(shù)據(jù)融合技術
        1.2.3 基于地磁和WiFi的室內(nèi)定位算法
        1.2.4 基于深度學習的室內(nèi)定位算法
    1.3 主要研究內(nèi)容
    1.4 組織結(jié)構(gòu)
第2章 傳感器數(shù)據(jù)特征及其互補性
    2.1 二維地磁特征
        2.1.1 二維地磁特征的獲取
        2.1.2 時間穩(wěn)定性
        2.1.3 空間區(qū)分度
    2.2 WiFi RSS特征
        2.2.1 時間穩(wěn)定性
        2.2.2 空間區(qū)分度
    2.3 二維地磁特征與WiFi RSS特征的互補性
        2.3.1 空間區(qū)分度的互補性
        2.3.2 位置信息粒度的互補性
    2.4 本章小結(jié)
第3章 基于誤差分配權(quán)重的特征融合室內(nèi)定位算法
    3.1 算法概述
    3.2 算法設計
        3.2.1 粗粒度定位
        3.2.2 細粒度定位
    3.3 算法實現(xiàn)
        3.3.1 指紋庫的構(gòu)建
        3.3.2 誤差預測模型的建立
        3.3.3 在線定位
        3.3.4 設備多樣性問題
    3.4 性能評價
        3.4.1 設備與場景
        3.4.2 子區(qū)域估計準確率
        3.4.3 誤差預測模型
        3.4.4 定位誤差分析
        3.4.5 設備多樣性處理
    3.5 本章小結(jié)
第4章 基于深度學習的特征融合的室內(nèi)定位算法
    4.1 算法概述
    4.2 子區(qū)域估計
        4.2.1 DNN分類模型的特征與標簽
        4.2.2 DNN分類模型的結(jié)構(gòu)與訓練
        4.2.3 子區(qū)域劃分
    4.3 位置估計
        4.3.1 DNN回歸模型的結(jié)構(gòu)
        4.3.2 DNN回歸模型的訓練
    4.4 性能評價
        4.4.1 數(shù)據(jù)集與實驗設備
        4.4.2 子區(qū)域估計性能
        4.4.3 定位誤差分析
        4.4.4 模型結(jié)構(gòu)的影響
        4.4.5 模型訓練時長與在線定位延遲
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝



本文編號：3154599