论文部分内容阅读
在物联网与移动互联网不断发展的今天,人们对室内定位导航的需求不断增加,室内定位问题也得到越来越多的研究。由于室内无线局域网(WLAN)的普及与完善,基于WLAN的位置指纹定位方法成为当下研究领域与应用领域的主流。其基本思想是用一个来自不同信号发射器的接收信号强度向量(RSSI)来表示室内的位置,室内设备通过对比其观测到接收信号强度与数据库中的接收信号强度来确定自身的位置。尽管位置指纹定位方法可以达到一定的定位精度,但易受室内无线信号数量不足,室内信号的时间差异性以及多路径效应的影响。因此,在复杂的室内环境下,位置指纹定位方法定位精度不高,并且容易产生较大的误差。针对无线网络定位中存在的问题,本文提出了利用候选位置指纹以及遗传算法定位室内设备的方法。本文提出了候选位置指纹的概念—选择多个而不是一个位置指纹作为定位的候选,使得候选位置更有可能包含设备的真实位置。这样每个定位设备都对应一个候选位置指纹集合,接下来是利用遗传算法搜索最优的候选位置指纹的组合作为最终的设备位置估计。通过设备间的相对距离限制,进一步缩小的搜索空间,优化定位精度。另外,本文提出了一个选择候选位置指纹的概率模型,尽可能的选择能最接近设备真实位置的候选指纹。通过分析室内运动轨迹特征,发现其时间稳定性与低秩性的特点,并在此基础上提出了一种基于矩阵填充的移动网络室内定位算法-MIL。MIL主要利用两方面的信息:1)邻居节点之间的距离或者连通性信息;2)Wi-Fi的初始位置估计结果(Wi-Fi定位方法可采用Radar或Horus)。MIL根据收集到的所有信息,使用矩阵填充的算法实现了高精度的定位,同时保证了较低的算法复杂度。本文在办公室环境中搭建了实验平台,并且在该实验平台下实现了本文所提出的两种室内定位方法并验证其性能。另外,本文比较了现有主流的定位方法:Radar、Horus、PLWLS以及TSLRL方法。不同的定位方法使用同一测试RSS数据进行定位。通过与现有主流室内定位方法的对比,本文提出的方法在定位精度上要优于现有方法,同时保持了较低的时间复杂度。