基于學習算法的WLAN室內定位技術研究.pdf

1、隨著無線網絡的廣泛普及和移動智能終端的迅猛發(fā)展,基于位置的服務受到越來越多的關注,在緊急救援、醫(yī)療保健、社交網絡、導航和監(jiān)控等領域已獲得廣泛的應用并展示出巨大的市場前景。其中,高精度的室內定位技術是實現(xiàn)位置信息服務的必要前提和關鍵。
　　已有的室內定位技術大多數需要額外的專用硬件設施,使用成本高,覆蓋范圍小,限制了基于位置的服務在室內環(huán)境的普及?；跓o線局域網(Wireless Local Area Network, WLAN)和

2、接收信號強度(Received Signal Strength, RSS)的室內定位技術,完全基于現(xiàn)有的WLAN基礎設施和移動終端就能獨立實現(xiàn)定位,無需任何額外的專用設備,成本低,且能滿足大多數室內定位應用的精度需求,成為室內定位技術的研究熱點。然而,復雜的室內無線電傳播環(huán)境,對基于RSS的WLAN指紋定位技術提出了極大的挑戰(zhàn)。其根本原因在于,RSS受到多徑效應、人體吸收、信號干擾等多方面的影響,表現(xiàn)出高度的不確定性和非線性特性,使得R

3、SS與物理位置并非一一映射的關系,嚴重影響WLAN指紋定位技術的定位精度。
　　本文對基于RSS的WLAN指紋定位技術進行了較為系統(tǒng)的研究?；趪鴥韧庋芯楷F(xiàn)狀的分析,指出了已有WLAN指紋定位技術中的主要環(huán)節(jié)(聚類分塊、接入點選擇及定位特征提取)存在的不足。本文的研究旨在改進這些不足,圍繞降低RSS不確定性這一關鍵問題,應用機器學習領域的前沿理論成果——核函數學習、流形學習、信息熵和支持向量機,一定程度上完善了基于RSS的WLAN

4、指紋定位技術。研究內容主要包括以下幾個方面:
　　第一,研究RSS信號的定位特征提取問題,本文提出了基于核直接判別分析(Kernel Direct Discriminant Analysis, KDDA)的LKDDA-APS定位算法。在復雜室內無線電傳播環(huán)境下,直接將RSS信號做為定位算法輸入特征,將引入大量冗余和噪聲信息,降低定位精度。于是,需要采用特征提取算法對各個接入點(Access Point, AP)的RSS信號進行融合

5、,以去除冗余和噪聲信息,降低RSS不確定性。針對已有的特征提取算法無法有效適應RSS的非線性特性的問題,本文提出采用基于核函數學習的KDDA提取具有最大判別能力的定位特征。此外,LKDDA-APS算法結合了本文所提出的聚類分塊、聯(lián)合AP選擇和支持向量回歸學習算法。實驗結果表明,與傳統(tǒng)的定位算法相比,LKDDA-APS算法在顯著提高定位精度的同時,大大降低了參考點采集工作量。
　　第二,以降低用戶終端能耗為目標,本文提出了基于局部判

6、別嵌入(Local Discriminant Embedding, LDE)的LLDE-APS定位算法。為了保護用戶隱私,WLAN指紋定位技術往往采用用戶端架構,將定位計算過程放在用戶終端,但是用戶端架構要求盡可能降低終端能耗,以延長終端設備使用時間?；诖藨帽尘?本文在LKDDA-APS算法的基礎上提出LLDE-APS算法,以計算復雜度更低的LDE取代 KDDA,提取高維 RSS信號空間的低維流形定位特征。實驗結果表明, LLDE-

7、APS算法的定位精度略低于 LKDDA-APS算法,但是仍然明顯高于其它傳統(tǒng)定位算法。與LKDDA-APS相比,LLDE-APS可以大幅降低在線定位計算復雜度,從而實現(xiàn)降低用戶終端能耗的目標。
　　第三,研究RSS信號源即AP的選擇問題,本文提出了一種聯(lián)合AP選擇算法。不同AP的RSS信號所含的定位信息量不同,并不是所有AP都有利于定位精度的提高,需要對AP的判別定位能力進行度量,并選取最優(yōu)AP子集合用于定位。針對已有AP選擇算法

8、沒有考慮RSS信號相關性的不足,提出了聯(lián)合AP選擇算法,以信息熵理論為基礎,選取具有最大互信息增益的AP子集合用于定位。實驗結果表明,與已有AP選擇算法相比,聯(lián)合AP選擇算法選取的AP子集合是最優(yōu)的,有助于后續(xù)定位算法精度的提高和復雜度的降低。
　　第四,研究定位區(qū)域的聚類分塊問題,本文提出了一種新的聚類分塊算法。在大范圍的室內定位環(huán)境下,由于RSS的統(tǒng)計特性隨物理位置變化而改變,建立在整個定位區(qū)域的學習定位模型是次優(yōu)的,將降低定