基于Wifi的指紋定位系統在室內定位中的應用研究.pdf

1、隨著移動通信技術的飛速發(fā)展，基于無線傳感器網絡的位置感知服務LBS（Location Based Services）越來越受青睞，而對于LBS來說定位技術是其提供服務的基礎。在開闊的室外環(huán)境下GPS全球定位系統可提供較精確的定位服務。然而在高樓密集的中心城區(qū)和建筑物內部，由于無法感知GPS衛(wèi)星信號，從而無法在這些場景中實現定位。為了彌補GPS存在的定位盲區(qū)，實現室內環(huán)境中的精準定位，本文在研究經典Wifi指紋定位算法思想的基礎上，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雜性。本文的主要研究工作如下：
　　(1)由于Wifi信號在室內傳播時會受到障礙物和多徑效應的影響，導致其信號強度長期處于一種波動狀態(tài)，如果直接根據單次采集的信號強度值進行定位計算，會產生較大的定位誤差。針對上述問題，本文采用高斯模型來對采樣周期內的多組信號強度值進行濾除處理，保留出現概率大的信

3、號強度值，去除出現概率小的信號強度值。提高了信號的采集精度和系統的定位精度。
　　(2)由于傳統KNN算法計算復雜度低、易于實現，但是其定位誤差較大，很難滿足精確定位的需求。傳統的Bayes算法定位精度高，但是計算復雜度也較高。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

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，設計并實現出了基于Wifi的指紋定位系統，并在現實定位場景中進行了定位實驗，實驗結果表明：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，在計算復雜度方面遠遠低于Bayes算法，不斷能夠滿足定位精確的需