本文選題：室內(nèi)定位 + 位置指紋　； 參考：《哈爾濱工業(yè)大學(xué)》2016年博士論文

【摘要】：基于WLAN的室內(nèi)定位方法如今已成為商用主流應(yīng)用技術(shù)之一。從建設(shè)成本、應(yīng)用范圍以及技術(shù)成熟的角度考量,相較于其他室內(nèi)定位技術(shù),基于WLAN定位方法綜合來說具備一定優(yōu)勢。而且各大城市公共服務(wù)設(shè)施已逐步實(shí)現(xiàn)了全面的WLAN覆蓋,因此基于WLAN的室內(nèi)定位系統(tǒng)能夠利用現(xiàn)有的基礎(chǔ)設(shè)施節(jié)約硬件成本,同時共享熱點(diǎn)覆蓋范圍作為定位區(qū)域,更具備便捷的移動信息交互以及應(yīng)用開發(fā)方式,在民用及商用領(lǐng)域具有廣闊的市場前景。在科研領(lǐng)域中,近年來由于新技術(shù)不斷出現(xiàn),基于位置指紋法的WLAN室內(nèi)定位系統(tǒng)得到進(jìn)一步發(fā)展,許多領(lǐng)域的新算法應(yīng)用到了WLAN定位技術(shù)的各個方面,已成為未來最具潛力的室內(nèi)定位技術(shù)之一�；趶V泛的技術(shù)背景分析及多種室內(nèi)定位方法的比較,并依托于科研課題,本論文主要針對基于位置指紋技術(shù)的WLAN室內(nèi)定位系統(tǒng)展開相關(guān)研究。首先,針對經(jīng)典聚類算法單純依據(jù)接收信號強(qiáng)度特征進(jìn)行分類而并未考慮到實(shí)際位置點(diǎn)坐標(biāo)連續(xù)性的問題,本文提出了一種空間分區(qū)算法來合理劃分位置指紋圖,消除應(yīng)用傳統(tǒng)聚類算法時頻繁出現(xiàn)的奇點(diǎn)現(xiàn)象,在保證了空間位置連續(xù)的同時具備一定靈活性,真正意義上實(shí)現(xiàn)子區(qū)域劃分。通過對室內(nèi)區(qū)域定位的特殊性進(jìn)一步分析,考慮到位置指紋數(shù)據(jù)經(jīng)由無監(jiān)督聚類過程形成子區(qū)域之后,實(shí)際上數(shù)據(jù)點(diǎn)具備了類別標(biāo)簽,無監(jiān)督聚類過程本質(zhì)上已轉(zhuǎn)換成了半監(jiān)督學(xué)習(xí)過程。因此本文基于機(jī)器學(xué)習(xí)理論應(yīng)用隨機(jī)森林方法并結(jié)合基因算法進(jìn)行參數(shù)優(yōu)化,實(shí)現(xiàn)子區(qū)域定位的過程。實(shí)驗(yàn)結(jié)果表明,與經(jīng)典聚類算法相比,采用空間分區(qū)方法進(jìn)行區(qū)域劃分得到的子區(qū)域能夠獲得較高定位精度;而應(yīng)用空間分區(qū)方法進(jìn)行子區(qū)域定位能夠獲得98.9%的區(qū)域定位準(zhǔn)確率,且不存在個別子區(qū)域分類精度過低的現(xiàn)象,相比而言具有更高的分類效果及穩(wěn)定性。其次,針對大型室內(nèi)場景中位置指紋圖信息過多易形成維數(shù)災(zāi)難的問題,本文提出了基于最大似然估計(jì)與核主成分分析結(jié)合的低維特征提取算法,降低了數(shù)據(jù)維度,并去除數(shù)據(jù)冗余信息,在噪聲環(huán)境下提高了室內(nèi)定位過程的穩(wěn)定性。其中的本征維數(shù)估計(jì)方法能夠有效確定最優(yōu)目標(biāo)降維維度,相比于通過大量測試或設(shè)定閾值等經(jīng)驗(yàn)方法來判定最優(yōu)維度的方式節(jié)省了一定時間成本,且更具普適性。實(shí)驗(yàn)結(jié)果表明,噪聲環(huán)境下核主成分分析法受到影響較小,定位精度為2米以內(nèi)的置信概率維持在80%以上,體現(xiàn)出了更好的抗噪性能,同時使得位置指紋圖體積減小了74%,節(jié)省了大量移動存儲空間。另外,由于商場等典型室內(nèi)場景中往往存在大量的人員流動,而人體對于信號在空間傳播有較大干擾,對于定位效果會產(chǎn)生一定影響。針對這種現(xiàn)象,本文通過觀察相對固定環(huán)境中人員流動量隨時間變化存在的一般規(guī)律,設(shè)定了人員流動影響因子,以此對定位系統(tǒng)進(jìn)行補(bǔ)償,將傳統(tǒng)位置指紋圖改進(jìn)為時變位置指紋數(shù)據(jù)集,在實(shí)際運(yùn)行中一定程度上增強(qiáng)了室內(nèi)定位系統(tǒng)的精度和穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明,在工作日午間人員流動的高峰時段,傳統(tǒng)方法定位在2米內(nèi)的置信概率相比空閑時段下降了近10%,而改進(jìn)的系統(tǒng)由于引入了人員流動因子,同樣條件下置信概率平均下降4%左右,對人員流動導(dǎo)致的干擾起到了一定補(bǔ)償作用。最后,針對移動設(shè)備有限的計(jì)算能力和存儲空間,本文結(jié)合了分區(qū)方法與降維技術(shù)設(shè)計(jì)了一種室內(nèi)定位模型架構(gòu),能夠基于終端獨(dú)立進(jìn)行定位,無需建立網(wǎng)絡(luò)連接與中心服務(wù)器進(jìn)行信息交互,從而提高定位輸出的時效性,且模塊化的設(shè)計(jì)使得模型能夠適用于更多的場景,具備較強(qiáng)擴(kuò)展性。在此模型基礎(chǔ)上本文提出了一種新型室內(nèi)定位系統(tǒng),應(yīng)用了文中提出的空間分區(qū)方法以及核主成分分析方法,能夠更為合理地劃分室內(nèi)定位空間,抑制噪聲干擾,進(jìn)而減小定位誤差,并節(jié)省大量存儲空間。實(shí)驗(yàn)結(jié)果表明,系統(tǒng)在子區(qū)域中定位在2米內(nèi)的置信概率能夠達(dá)到85%左右,高于其他特征提取方法,其優(yōu)勢主要體現(xiàn)在低維條件下和較強(qiáng)噪聲環(huán)境中。此外,本文在不同的AP數(shù)目和采樣間隔環(huán)境下進(jìn)行了一系列實(shí)驗(yàn),以驗(yàn)證兩者對室內(nèi)定位系統(tǒng)性能可能產(chǎn)生的影響。實(shí)驗(yàn)結(jié)果表明,在滿足一定覆蓋基礎(chǔ)時AP數(shù)目的增加對于定位性能的提升有一定幫助,然而作用有限,應(yīng)針對每個子區(qū)域依據(jù)一定判決準(zhǔn)則挑選最具判別力的若干個AP進(jìn)行定位;對采樣間隔而言,過于密集的參考點(diǎn)設(shè)置可能引入過多的噪聲,影響匹配定位且耗費(fèi)大量人力成本,而參考點(diǎn)間距離過大則難以提供理想的室內(nèi)定位精度。在本文構(gòu)建的實(shí)驗(yàn)環(huán)境中,選取參考點(diǎn)間隔為1米時定位系統(tǒng)能夠達(dá)到最優(yōu)的定位效果。
[Abstract]:In this paper , based on the theory of machine learning , it has become one of the most potential indoor positioning technologies . This paper proposes a new indoor positioning system based on the method of partition and the analysis of main components . The experimental results show that the confidence probability of the system in the sub - region is about 85 % , which is higher than that of other feature extraction methods .

【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TN925.93

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 孫立;呂艷萍;楊開濤;李紹滋;李旭洲;;監(jiān)督MCA降維框架中的心跳分類模型[J];計(jì)算機(jī)工程與應(yīng)用;2012年01期

2 胡昭華;宋耀良;;基于一種連續(xù)自編碼網(wǎng)絡(luò)的圖像降維和重構(gòu)[J];數(shù)據(jù)采集與處理;2010年03期

3 陳莉,焦李成;文檔挖掘與降維技術(shù)[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年03期

4 胡永剛;吳翊;卜江;;基于加權(quán)PCA的聲音指紋降維技術(shù)[J];計(jì)算機(jī)應(yīng)用;2006年09期

5 楊余旺,楊靜宇,陶軍,涂小勇;應(yīng)用于人臉識別的插值降維技術(shù)[J];計(jì)算機(jī)工程;2005年16期

6 魏爽;楊明;肖袁;;成對約束降維集成下的MicroRNA預(yù)測[J];計(jì)算機(jī)科學(xué)與探索;2011年10期

7 呂志超;閆德勤;劉勝藍(lán);劉德山;;一種基于壓縮感知的鄰域優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2014年09期

8 張東娜;劉博;;一個基于加權(quán)和組合降維的web文本分類系統(tǒng)[J];電腦知識與技術(shù);2008年07期

9 ;[J];;年期

相關(guān)博士學(xué)位論文 前6條

1 于浩;有源配電網(wǎng)電磁暫態(tài)仿真模型降維化簡方法研究[D];天津大學(xué);2015年

2 莫云;基于空間分區(qū)與降維技術(shù)的位置指紋室內(nèi)定位方法研究[D];哈爾濱工業(yè)大學(xué);2016年

3 張麗梅;面向降維的圖學(xué)習(xí)研究及應(yīng)用[D];南京航空航天大學(xué);2012年

4 喬立山;基于圖的降維技術(shù)研究及應(yīng)用[D];南京航空航天大學(xué);2009年

5 左旺孟;面向人臉和掌紋特征提取的線性降維技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2007年

6 萬建武;代價(jià)敏感降維及其人臉識別應(yīng)用研究[D];南京師范大學(xué);2013年

相關(guān)碩士學(xué)位論文 前7條

1 王彬;聚類結(jié)構(gòu)保持的降維技術(shù)及實(shí)現(xiàn)[D];南京師范大學(xué);2015年

2 安亞靜;智能降維技術(shù)的研究與應(yīng)用[D];江南大學(xué);2012年

3 胡永剛;降維技術(shù)計(jì)算量分析及基于DCT的復(fù)合降維技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2006年

4 金駿;半監(jiān)督的聚類和降維研究及應(yīng)用[D];南京航空航天大學(xué);2007年

5 蔣蓮;基于統(tǒng)計(jì)流形的Bag of Features降維研究與應(yīng)用[D];西安電子科技大學(xué);2013年

6 張建軍;L1-norm最大化及其在降維和分類中的應(yīng)用[D];江南大學(xué);2012年

7 朱曉嵐;近鄰約簡與降維空間的模式分類算法研究[D];燕山大學(xué);2013年

，

本文編號：1867065