欢迎来到天天文库
浏览记录
ID:33370057
大小:4.49 MB
页数:85页
时间:2019-02-25
《基于智能终端的室内定位技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、ADissertationSubmittedtoShanghaiJiaoTongUniversityfortheDegreeofMasterResearchofindoorpositioningtechnologybasedonsmartterminalsAuthor:WangFanSpecialty:CommunicationandInformationSystemAdvisor:Prof.XinbingWangSchoolofElectronicsandElectricEngineering
2、ShanghaiJiaoTongUniversityShanghai,P.R.ChinaDecember,2013万方数据万方数据万方数据上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在_____年解密后适用本授权书。本学位论文属于不
3、保密□。(请在以上方框内打“√”)学位论文作者签名:指导教师签名:日期:年月日日期:年月日万方数据上海交通大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:年月日万方数据上海交通大学硕士学位论文摘要基于智能终端的室内定位技术研究
4、摘要作为基于位置服务(LocationBasedService,LBS)核心技术之一的定位技术随着智能终端的迅速普及,已经成为当今移动互联网技术中的研究热点。其需求也从基于GPS的室外定位发展到高精度、低延迟的室内外无缝定位。为了满足各种用户、企业的定位需求,针对定位方法的研究也正不断地深入。特别是基于智能终端的室内定位技术,由于基于测距的传统定位方法需要额外的硬件支持和较高的部署成本,新型定位手段如利用IP地址、指纹库查询等非测距方法逐渐被人关注。在最近的研究中,利用WLAN信号强度建立定位指
5、纹库的方法由于其低成本、覆盖区域广等优点成为了最具潜力的移动终端室内定位方法。不少利用WLAN指纹的新型定位方法被提出与推广,其中主要是从两个方面做出创新和研究:一方面从指纹库的鲁棒性考虑,即建立更加有效的指纹库进而提升定位系统的性能;另一方面是从定位匹配算法来考虑,即使用更加有效的手段从有限的指纹数据中分析得到更准确的定位结果。本文针对基于智能终端的室内定位技术,分别从指纹库的鲁棒性和定位匹配算法的高效性两个方面展开了研究,主要提出了以下创新点:第一,本文针对传统的接收信号强度(RSS)作为室
6、内定位指纹的缺陷,提出了一种基于信道估计的新型定位指纹设计方法,并实现了一套基于云平台的室第I页万方数据上海交通大学硕士学位论文摘要内定位系统对其方法进行了实验验证;第二,本文进一步提出利用核密度估计的方法进行室内定位指纹的采集和提取,有效地实现了在保证定位精度和稳定性的同时,多种不同型号的设备共用同一套室内定位指纹库及定位系统;第三,本文提出了一种基于指纹聚类的室内定位方法,通过在定位系统的离线模式下对指纹库中的指纹数据做分类预处理,有效的降低了定位反应时间并提高定位精度。针对基于Wi-Fi指
7、纹的定位系统,如何减少指纹库建立的成本并降低其维护的难度?传统的指纹室内定位系统需要在定位系统运作的前期做大量的指纹采集的工作。由此,本文的第一个研究方向是针对上述问题的Wi-Fi指纹定位的系统设计,并进一步的提出了利用信道估计以及核密度估计的方法对传统的指纹数据采集和提取的方法做出了改进。信道估计的定位指纹采集方法主要解决了移动终端在采集指纹过程中,接收信号强度RSS在室内多径信道下的不稳定性;而核密度估计的指纹采集与提取方法主要解决了多型号的移动终端所采集到的RSS指纹的差异性问题。本文分别
8、利用提出的两种指纹采集方法进行了实验验证,仿真和实验都证实了新型指纹数据具有更强的鲁棒性,有效地解决了室内环境和移动终端多样性问题。在指纹数据足够准确的前提下,如何更有效的利用指纹数据,将精确的定位结果在很短的时间内计算并反馈给用户?定位解算的算法的优劣极大的影响到定位响应延迟,定位计算复杂度,进一步影响到用户的在线体验。已有的很多研究成果针对定位匹配算法做出了很多的改进,包括传统的K-最近邻居法(K-NN算法),模糊匹配算法,图案匹配算法等等;但是,在一个包含大量指纹数据的指纹库中查找并匹配计
此文档下载收益归作者所有