文件名称：基于ZigBee的位置指纹法室内定位技术研究
文件大小：1.9MB
文件格式：PDF
更新时间：2018-09-21 15:08:01
室内定位
随着全球定位系统（GPS）在室外定位中的成功应用，对定位服务在人们 日常活动的室内场所得以广泛开展的渴求日渐突出。在现有室内定位技术中， 位置指纹法由于定位成本低、方法实现灵活而逐渐成为研究的热点。然而，室 内无线信号的时变性也给位置指纹法实现精确定位带来很大的难度。因此，提 高位置指纹法在室内复杂环境下的定位性能和实用性不仅具有重要的理论价 值，而且也成为加快对其由理论研究向实际应用转变的关键。本文以ZigBee 无线网络为应用平台，对位置指纹法完成定位所需的两个阶段中涉及的相关技 术进行研究。在分析国内外研究现状及进展的基础上，指出了位置指纹法目前 存在的三大问题，即构建位置指纹数据库的工作量问题、位置指纹的匹配效率 问题和室内定位与跟踪的实现方法问题。然后，从分析信号强度作为场景特征 所表现出的数据特性入手，针对以上问题分别提出相应的解决方法。 为分析信号强度作为场景特征所表现出的数据特性，利用ZigBee 网络环 境中测得的信号强度样本，采用理论分析与实验验证相结合的手段对数据特性 的表现形式和成因进行了研究。在此基础上构建了一个用于估计位置指纹法平 均定位误差的概率模型，并分析了采样位置间距、网络接入设备数量和位置等 因素对位置指纹法定位性能的影响，从而为定位系统实际部署过程中相关参数 的合理选取提供一定的理论指导。 为降低离线阶段信号强度采样的工作量，提出了一种基于空间变异理论的 位置指纹数据库构建方法。给出了一个典型的信号强度样本变异函数计算流 程。提出了一种基于加权最小二乘法的信号强度理论变异函数拟合算法。根据 拟合得到的模型趋势项和随机项反映出的信号强度在空间上的连续性和变异 性关系，采用普通克里金技术对待估位置信号强度进行最优线性无偏估计。实 验结果表明，该方法对信号强度的估计精度好于距离反比加权算法，基于该方 法建立的位置指纹数据库可在降低采样工作量的同时保证定位精度。 为提高位置指纹的匹配效率，提出了两种基于改进k-means 算法的位置指 纹聚类方法。分析了传统k-means 算法对位置指纹分类效果不佳的原因，并从 寻找新的位置指纹二次特征提取方法及采用“软划分”技术两方面加以改进。 其中，FC-ID-FKM 法将位置指纹归为区间值数据，在由区间中值和大小张成 的特征空间中，利用模糊k-means 算法对其进行聚类。FC-KFKM 法将位置指 纹归为一种服从正态分布的区间值数据，通过区间中值和大小确定的正态分布