基于Android的室内WiFi位置指纹定位方法的研究

《基于Android的室内WiFi位置指纹定位方法的研究》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、分类号：密级：UDC：编号：河北工业大学硕士学位论文基于Android的室内WiFi位置指纹定位方法的研究论文作者：张冀钊学生类别：全日制专业学位类别：工程硕士领域名称：集成电路工程指导教师：武一职称：教授DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofIntegratedCircuitEngineeringResearchonWiFiIndoorLocationFingerprintPositioningMethodBased

2、onAndroidbyZhangJizhaoSupervisor:Prof.WuYiMarch2017摘要随着科学技术的快速发展，无线通信技术日渐成熟，人们对基于位置的服务（LocationBasedService，LBS）要求越来越高，个人定位技术的发展成为重点。室外定位通常使用GPS或者北斗系统等技术，经过多年的发展，室外定位技术已经成熟，在室内由于环境复杂和墙壁的遮挡，并不能很好的接收卫星信号，因此对室内定位技术的研究成为当今研究的热点。本文研究的基于WiFi的室内指纹匹配定位技术则是室内定位技术中使用最为广泛的

3、技术之一。首先，本文阐述了室内WiFi定位技术的研究背景和国内外现状，说明了当前研究室内WiFi定位技术的现实意义和重要性。进而，分析了现有的室内WiFi定位算法，如K近邻、加权KNN算法等。由于室内复杂的环境和人员的走动等因素，WiFi信号在室内传播过程中会出现不规律的衰减，同时由于障碍物的阻挡出现了多径效应等问题，这些因素都会对定位结果的精度产生不同程度的影响。为了增加定位精度，针对上述的影响因素，本文提出了WRKNN改进算法。针对WiFi信号的波动问题采用均值的方法，通过取多次测量的平均值减小信号波动对定位带来的

4、影响。在计算距离时采用加权的方法增大贡献大的距离的权值，增加定位精度。在匹配过程中，采用动态k值和排序删减的改进措施，减小距离较远的参考点带来的影响，同时可以降低匹配时所需的数据的数量，不仅增加了定位精度，同时降低了系统运行的时间，提高了定位效率。通过对传统的定位技术的学习，了解到传统的WiFi定位技术是采用客户端/服务器的架构，客户端与服务器的数据传输会耗费大量的时间，并且硬件成本较高，而搭载Android系统的手机现已普及，因此采用Android平台作为开发环境，将客户端和服务器集成在一起，不仅降低了成本，还降低了

5、定位所需的时间。最后，通过代码的编写完成了定位系统的设计。经实验测试，系统定位所得结果的误差基本在2.5m以内，相比传统定位算法精度提高了37.5%，能够满足室内定位的需求。关键词：Android，WiFi，室内定位，位置指纹匹配IIIABSTRACTWiththerapiddevelopmentoftechnology,wirelesscommunicationtechnologyisbecomingmoreandmoremature,peoplearemoreandmoredemandingonlocation-b

6、asedservices.OutdoorpositioningisusuallyusedGPSorBeidousystemtechnology.Withyearsofdevelopment,outdoorpositioningtechnologyhasmatured.Itcannotreceivethesatellitesignalbecauseofthecomplexindoorenivronmentandthewallsoftheshelter.Indoorpositioningtechnologyhasbeenc

7、oncerned.Inthispaper,theindoorfingerprintmatchingtechnologybasedonWiFiisoneofthemostwidelyusedtechniquesinindoorpositioningtechnology.Firstofall,thispaperdescribestheresearchbackgroundandthestatusofindoorWiFipositioningtechnology,andillustratesthepracticalsignif

8、icanceandimportanceoftheresearchonindoorWiFipositioningtechnology.Furthermore,theresearchanalysisindoorWiFilocalizationalgorithms,suchasKnearestneighbor,weightedKNNal