基于Wi-Fi的室內(nèi)定位技術(shù)研究.pdf

1、隨著移動通信技術(shù)的不斷發(fā)展和智能手機的快速普及，基于位置服務(wù)的室內(nèi)定位系統(tǒng)越來越受到人們的關(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)，由于無需額外的硬件設(shè)施，近年來被學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。
　　本文對基于位置指紋

2、的室內(nèi)定位技術(shù)進行了較為深入的研究。由于信號強度波動性特征，以及普通的位置指紋定位算法對環(huán)境的依賴性，給基于Wi-Fi的室內(nèi)定位技術(shù)的普適性帶來了巨大的挑戰(zhàn)。針對這些因素，本文的主要工作及創(chuàng)新點如下:
　　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，并針對室內(nèi)定位技術(shù)實時性的要求，研究了幾種指紋數(shù)據(jù)庫聚類方法，有效的減少了實時定位的計算量。
　

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，通過輸出層的分類器融合，得到各個分類器之問的最優(yōu)位置估計。通過兩種實驗環(huán)境的測試分析表明，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)測試環(huán)境，分別對KNN算法，Gaussian分布算法和PPMCC算法的靜態(tài)定位性能進行了分析。同時利用不同測試和訓練設(shè)備，驗證了PPMCC算法在解決