2、采样阶段,针对信号采集环节,分析了已有的单方向采集法,指出其没有考虑在手机指向不同方向时信号强度的差异性,故提出了不同方向采集法;针对信号预处理环节,分析了均值滤波法,指出其把一些与均值偏差较大的信号也算入总和求平均的缺点,引入了高斯滤波来滤除这些信号。最后,将不同方向采集和高斯滤波融合,提出了改进的采样法——FODG(Fusion of Different direction collection and Gauss Filter)。在 WiFi 指纹法的定位阶段,从欧氏距离计算和坐标匹配两方面对主流的匹配法 KNN 改进。在欧式距离计算环节,分析了 KNN 法赋予每个
3、AP 相同权重的弊端,提出赋不同权值给各个拥有不同信号强度的 AP;在坐标匹配环节,指出了 KNN 法赋予 K 个近邻采样点相同权值的缺点,提出了距离加权的 KNN 法(WKNN),最后将 AP 加权欧式距离法和 WKNN 法融合,提出了改进的匹配法——AWKNN(AP weighted and distanced weighted KNN)。最后本文实现了 WiFi 指纹定位系统,包括采样阶段和定位阶段各模块的设计与实现,并在实现的定位系统基础上对相关参数(采集的 AP 数量、WiFi 信号采集数量、近邻数 K 值)进行了最优化取值。接着对采样阶段算法 FODG 和定位阶
4、段算法 AWKNN 进行性能分析,最后从定位精度、定位稳定性、定位速度三个方面,分析整个改进的定位系统(FODG 采样+AWKNN 匹配)的性能,结果表明:改进后的系统定位精度和定位稳定性相比传统法均有一定程度的提高,而定位速度只有小幅度的减慢。关键词: 室内定位,WiFi 指纹,高斯滤波 ,欧氏距离, KNNAbstractWith the rapid development of information technology, terminal-based indoor positioningtechnology has enabled
5、various services, including information retrieval, indoor navigation,community dating etc. Existing indoor positioning methodologies can be categarized as:triangulation method, proximity method, WiFi fingerprint based positioning method and pedestriandead reckonin
6、g. As WiFi fingerprint based positioning method has advantages of wide positioningrange, low cost, flexible usage and no requirement of additional hardware, this thesis mainly dealswith the key issues in this method.Basically, there still exists several problems in traditional WiFi fingerp
7、rint based positioningmethod. Firstly, in sampling phase, we should collect and preprocess signals at each sampling point,existing unidirectional collecting and mean filtering method is still not ideal. Secondly, inpositioning phase, the matching a