基于Wi-Fi的室內(nèi)定位技術(shù)研究.pdf

1、隨著移動(dòng)通信技術(shù)的不斷發(fā)展和智能手機(jī)的快速普及，基于位置服務(wù)的室內(nèi)定位系統(tǒng)越來(lái)越受到人們的關(guān)注。然而，成熟的GPS(Global Positioning System)不能用于室內(nèi)環(huán)境。針對(duì)室內(nèi)這一特殊的環(huán)境，基于Wi-Fi的室內(nèi)定位系統(tǒng)，由于無(wú)需額外的硬件設(shè)施，近年來(lái)被學(xué)者們廣泛的研究和應(yīng)用。在現(xiàn)有的Wi-Fi的室內(nèi)定位系統(tǒng)中，基于位置指紋的室內(nèi)定位技術(shù)，由于定位系統(tǒng)成本低、定位精度高，展現(xiàn)出了明顯優(yōu)勢(shì)。
　　本文對(duì)基于位置指紋

2、的室內(nèi)定位技術(shù)進(jìn)行了較為深入的研究。由于信號(hào)強(qiáng)度波動(dòng)性特征，以及普通的位置指紋定位算法對(duì)環(huán)境的依賴性，給基于Wi-Fi的室內(nèi)定位技術(shù)的普適性帶來(lái)了巨大的挑戰(zhàn)。針對(duì)這些因素，本文的主要工作及創(chuàng)新點(diǎn)如下:
　　首先，本文分別介紹了KNN方法、貝葉斯決策方法、PPMCC方法、神經(jīng)網(wǎng)絡(luò)方法、SVM同歸方法等幾種廣泛使用的位置指紋定位算法，并針對(duì)室內(nèi)定位技術(shù)實(shí)時(shí)性的要求，研究了幾種指紋數(shù)據(jù)庫(kù)聚類方法，有效的減少了實(shí)時(shí)定位的計(jì)算量。
　

3、　其次，本文提出了一種基于Multi-Agent分類器融合的室內(nèi)定位算法，通過(guò)輸出層的分類器融合，得到各個(gè)分類器之問(wèn)的最優(yōu)位置估計(jì)。通過(guò)兩種實(shí)驗(yàn)環(huán)境的測(cè)試分析表明，該算法不僅提高了室內(nèi)定位精度，而且有效地克服一般算法對(duì)環(huán)境的依賴性。
　　最后，本文搭建了一套基于Wi-Fi的室內(nèi)定位系統(tǒng)測(cè)試環(huán)境，分別對(duì)KNN算法，Gaussian分布算法和PPMCC算法的靜態(tài)定位性能進(jìn)行了分析。同時(shí)利用不同測(cè)試和訓(xùn)練設(shè)備，驗(yàn)證了PPMCC算法在解決