基于Wifi的指紋定位系統(tǒng)在室內(nèi)定位中的應(yīng)用研究.pdf

1、隨著移動通信技術(shù)的飛速發(fā)展，基于無線傳感器網(wǎng)絡(luò)的位置感知服務(wù)LBS（Location Based Services）越來越受青睞，而對于LBS來說定位技術(shù)是其提供服務(wù)的基礎(chǔ)。在開闊的室外環(huán)境下GPS全球定位系統(tǒng)可提供較精確的定位服務(wù)。然而在高樓密集的中心城區(qū)和建筑物內(nèi)部，由于無法感知GPS衛(wèi)星信號，從而無法在這些場景中實現(xiàn)定位。為了彌補GPS存在的定位盲區(qū)，實現(xiàn)室內(nèi)環(huán)境中的精準(zhǔn)定位，本文在研究經(jīng)典Wifi指紋定位算法思想的基礎(chǔ)上，針對該

2、算法中存在的一些不足加以改進，提出了一種基于分段和插值的KNN+Bayes融合定位算法，在滿足定位精度需求的同時，有效的降低了算法的計算復(fù)雜性。本文的主要研究工作如下：
　　(1)由于Wifi信號在室內(nèi)傳播時會受到障礙物和多徑效應(yīng)的影響，導(dǎo)致其信號強度長期處于一種波動狀態(tài)，如果直接根據(jù)單次采集的信號強度值進行定位計算，會產(chǎn)生較大的定位誤差。針對上述問題，本文采用高斯模型來對采樣周期內(nèi)的多組信號強度值進行濾除處理，保留出現(xiàn)概率大的信

3、號強度值，去除出現(xiàn)概率小的信號強度值。提高了信號的采集精度和系統(tǒng)的定位精度。
　　(2)由于傳統(tǒng)KNN算法計算復(fù)雜度低、易于實現(xiàn)，但是其定位誤差較大，很難滿足精確定位的需求。傳統(tǒng)的Bayes算法定位精度高，但是計算復(fù)雜度也較高。為了使定位算法在滿足精度需求的同時，有效減小其計算復(fù)雜度，本文采用分段和插值的方法將KNN算法和Bayes算法進行融合，在分段過程中采用MAC過濾和KNN粗定位來縮小定位區(qū)域的范圍，從而減小指紋匹配計算的復(fù)

4、雜度。在插值的過程中采用水平插值和垂直插值方法來提高定位區(qū)域中的指紋密度，從而提高Bayes算法的定位精度。
　　最后，我們基于Android+J2EE+MySQL平臺，依照上述改進理論，設(shè)計并實現(xiàn)出了基于Wifi的指紋定位系統(tǒng)，并在現(xiàn)實定位場景中進行了定位實驗，實驗結(jié)果表明：本文提出的基于分段和插值的KNN+Bayes融合定位算法，在定位精度方面遠遠高于KNN算法，在計算復(fù)雜度方面遠遠低于Bayes算法，不斷能夠滿足定位精確的需