【摘要】：隨著智能終端的手持化和無線網(wǎng)絡的廣泛覆蓋,室內外基于位置服務的需求呈現(xiàn)出增加與快速發(fā)展的趨勢,并日趨廣泛的應用在搶險救援、醫(yī)療服務、旅游定位導航和監(jiān)控等領域,展示出良好的市場前景。為位置服務提供精確與實時的位置信息需求,將定位技術與提供的服務二者緊密聯(lián)系在一起。基于指紋匹配的無線局域網(wǎng)(Wireless Local Area Network,WLAN)室內定位技術,在利用現(xiàn)有的網(wǎng)絡硬件設施基礎上,通過各種便攜式的移動終端,以純軟件的方式即可實現(xiàn)定位過程,成為近年來室內定位技術領域的研究熱點。然而,室內傳播環(huán)境的復雜多變,會導致RSS信號具有嚴重的時變性,使得信號與物理位置空間的映射關系不是唯一對應的,嚴重影響了定位的精確度,給室內基于指紋匹配的定位技術帶來了諸多問題,也對廣大研究人員提出了更多的挑戰(zhàn)。本文對基于指紋匹配的WLAN定位系統(tǒng)的關鍵技術進行了深入研究,分析了影響定位性能的主要因素。針對指紋匹配算法關鍵環(huán)節(jié)存在的不足,圍繞降低RSS信號時變特性的影響、減少定位計算的復雜度、實現(xiàn)定位系統(tǒng)的有效性與可靠性平衡為主要目標。充分利用便于采集的未標記樣本數(shù)據(jù),采用半監(jiān)督的流形學習、聚類分析、及數(shù)據(jù)挖掘理論,一定程度上改善了基于指紋匹配的WLAN定位技術。研究的主要內容與創(chuàng)新點可歸納為以下幾個方面:第一,對典型的室內定位系統(tǒng)進行了比較與分析,重點對定位原理,構建成本、定位精度和適用的場景幾個方面進行了詳細介紹,并在此基礎上,對基于WLAN的位置指紋定位技術進行了深入研究。分別討論了指紋采集與位置解算兩個階段的關鍵技術,總結指紋匹配算法、聚類分析、特征提取和指紋數(shù)據(jù)更新等環(huán)節(jié)的研究現(xiàn)狀與存在問題,對部分算法進行了詳細介紹與研究,為后續(xù)算法的改進提供理論基礎。第二,信號維數(shù)的約減與定位特征提取算法的研究。針對密集布設的無線接入點網(wǎng)絡環(huán)境條件下,直接利用接收的RSS信號作為定位算法的輸入,容易帶來定位信息冗余與噪聲干擾,直接影響定位性能,提出了基于半監(jiān)督的降維與特征提取(Semi-supervised Dimensionality Reduction and Feature Extraction,SDE)定位算法。用以挖掘高維數(shù)據(jù)空間存在的低維流形結構,實現(xiàn)高維空間RSS信號的低維嵌入,在保持其判別能力的前提下提高信號的可信度,有效的提高了系統(tǒng)定位精度。所提算法利用了移動用戶志愿者采集的隨機樣本數(shù)據(jù),通過半監(jiān)督學習即可提取具有最大判別能力的低維定位特征,不僅算法的復雜度低,而且減少了在線定位匹配的計算量,從而降低用戶終端的定位能耗。第三,減少RSS信號位置解算搜索空間算法的研究。室內定位技術中,離線階段構建的指紋數(shù)據(jù)庫中參考點數(shù)目及RSS信號的維數(shù),是影響指紋匹配算法搜索區(qū)域的主要參數(shù)。為此,可以采用聚類分塊算法,將定位區(qū)域全部的參考點劃分為若干子區(qū)域,在各個子區(qū)域建立特征提取學習模型。鑒于已有的聚類分塊算法存在分類準確度不高、無法克服信號非線性和時變性的不足,提出了結合c均值的半監(jiān)督仿射傳播聚類(Semi-supervised Affinity Propagation Clustering,SAPC)算法。該算法通過已知的標簽數(shù)據(jù)調整相似度矩陣,然后在新得到的矩陣上進行聚類分析,最后對聚類結果進行調整。相比其它算法而言,所提算法提高了分類的正確性,更好地平衡了定位精度與計算復雜度的關系。第四,指紋數(shù)據(jù)庫的重建與更新算法的研究。圍繞指紋數(shù)據(jù)庫的靜態(tài)特性給定位結果帶來的較大誤差,提出了基于移動用戶運動軌跡模型的指紋更新算法。通過建立基于用戶位置的隱馬爾可夫模型(Hidden Markov Model,HMM),將實時接收的RSS信號作為觀察序列,其后隱藏的相關位置信息可通過對HMM參數(shù)求解獲得,進而實現(xiàn)對指紋數(shù)據(jù)的實時更新。所提算法有效的減少了指紋數(shù)據(jù)庫的重建與更新而帶來的勞動力消耗,有利于室內定位系統(tǒng)的大規(guī)模推廣和應用。與采用靜態(tài)指紋數(shù)據(jù)庫的定位算法相比,更新后的指紋數(shù)據(jù)能夠更好的克服環(huán)境變化導致的信號波動,提高系統(tǒng)的定位精度與穩(wěn)健性。
[Abstract]:......
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TN925.93

【相似文獻】

相關期刊論文 前10條

1 陳冬牛;用于零件成組的多目標聚類分析[J];成組生產(chǎn)系統(tǒng);1986年01期

2 李斌,郭劍毅;聚類分析在客戶關系管理中的研究與應用[J];計算機工程與設計;2005年02期

3 曾憲華;羅四維;;動態(tài)增殖流形學習算法[J];計算機研究與發(fā)展;2007年09期

4 曾憲華;羅四維;;局部保持的流形學習算法對比研究[J];計算機工程與應用;2008年29期

5 劉志勇;;基于保距與保拓撲的流形學習算法[J];長江大學學報(自然科學版)理工卷;2010年02期

6 閆志敏;劉希玉;;流形學習及其算法研究[J];計算機技術與發(fā)展;2011年05期

7 楊海紅;;流形學習中鄰域大小的選擇算法[J];山西煤炭管理干部學院學報;2011年01期

8 周華;蔡超;丁明躍;;基于流形學習和流形高階近似的圖像距離度量[J];華中科技大學學報(自然科學版);2012年03期

9 石陸魁;張軍;宮曉騰;;基于鄰域保持的流形學習算法評價模型[J];計算機應用;2012年09期

10 談超;關佶紅;周水庚;;增量與演化流形學習綜述[J];智能系統(tǒng)學報;2012年05期

相關會議論文 前10條

1 梅翠;;我國各地區(qū)居民收入差距及其對消費的制約[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

2 李均立;傅國華;;海南各縣(市)經(jīng)濟實力的聚類分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

3 劉黃金;曹林峰;;南京服務業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第十次學術年會論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學會第七屆代表大會暨學術研討會論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營業(yè)績的聚類分析[A];中國數(shù)學力學物理學高新技術交叉研究學會第十二屆學術年會論文集[C];2008年

6 陳國華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國企業(yè)運籌學[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評價與測量效度關系探討[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

8 宋欣;王娟;張斌;葉世偉;;流形學習算法分析及在人臉數(shù)據(jù)庫上的應用[A];2008年全國開放式分布與并行計算機學術會議論文集(上冊)[C];2008年

9 牛東曉;乞建勛;;網(wǎng)絡資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國管理科學學術會議論文集[C];2001年

10 劉曉平;季浩;鄧偉財;;基于流形學習的非線性系統(tǒng)可視化算法[A];全國第21屆計算機技術與應用學術會議（CACIS·2010）暨全國第2屆安全關鍵技術與應用學術會議論文集[C];2010年

相關博士學位論文 前10條

1 夏穎;WLAN室內半監(jiān)督定位及指紋更新算法研究[D];哈爾濱工業(yè)大學;2016年

2 戴震龍;幾類問題基于自然邊界歸化的算法研究[D];南京師范大學;2017年

3 蘇祖強;基于泛化流形學習的風電機組傳動系統(tǒng)早期故障診斷方法研究[D];重慶大學;2015年

4 馬婧華;基于流形學習的旋轉機械早期故障融合診斷方法研究[D];重慶大學;2015年

5 邢向磊;流形學習與稀疏表示在模式識別中的應用[D];南京大學;2013年

6 盧磊;機械加工過程中的早期故障微弱信號處理方法研究[D];哈爾濱工業(yè)大學;2016年

7 郝中華;基于微分流形的非線性降維方法研究[D];上海大學;2016年

8 黃紅兵;層次流形學習及其在監(jiān)督分類中的應用[D];上海交通大學;2015年

9 杜春;流形學習及其應用算法研究[D];國防科學技術大學;2014年

10 李月仙;基于拉普拉斯特征映射算法的旋轉機械故障診斷研究[D];太原理工大學;2016年

相關碩士學位論文 前10條

1 張曉丹;WSN中基于改進粒子群優(yōu)化算法的分簇拓撲算法研究[D];鄭州大學;2017年

2 賈yN愷;基于深度特征學習的目標檢測與跟蹤算法研究[D];西安科技大學;2017年

3 張燦龍;不確定DM-chameleon聚類算法在滑坡危險性預測的研究及應用[D];江西理工大學;2017年

4 胡浩松;基于流形學習的旋轉機械故障識別方法研究[D];燕山大學;2015年

5 李元俊;大學生就業(yè)能力培養(yǎng)與社會需求的匹配性研究[D];山東建筑大學;2015年

6 馮雪冰;基于模糊理論的EM算法在聚類分析的應用研究[D];中國地質大學(北京);2015年

7 丁春濤;基于圖嵌入的判別近鄰分析研究及應用[D];蘇州大學;2015年

8 黃銀;行業(yè)地區(qū)發(fā)展水平的聚類分析[D];蘇州大學;2015年

9 郭俊峰;聚類分析下的股票投資價值挖掘研究[D];大連海事大學;2015年

10 張旭;考慮風電接入不確定性的節(jié)點特性建模研究[D];山東大學;2015年

，

本文編號：2254358