基于位置指纹的WiFi室内定位算法研究

《基于位置指纹的WiFi室内定位算法研究》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、硕士学位论文基于位置指纹的WiFi室内定位算法研究RESEARCHONWiFiINDOORLOCALIZATIONARITHMETICBASEDONLOCATIONFINGERPRINT胡攀锋哈尔滨工业大学2017年3月国内图书分类号：TN929.5学校代码：10213国际图书分类号：621.391.82密级：公开工程硕士学位论文基于位置指纹的WiFi室内定位算法研究硕士研究生：胡攀锋导师：马琳副教授申请学位：工程硕士学科：电子与通信工程所在单位：苏州汇川技术有限公司答辩日期：2017年3月授予学位单位：

2、哈尔滨工业大学ClassifiedIndex:TN929.5U.D.C:621.391.82DissertationfortheMaster’sDegreeinEngineeringRESEARCHONWiFiINDOORLOCALIZATIONALGORITHMBASEDONLOCATIONFINGERPRINTCandidate：HuPanfengSupervisor：A.Prof.MaLinAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：E

3、lectronicsandCommunicationsEngineeringAffiliation：SchoolofElectronicsandInformationEngineeringDateofDefense：March,2017Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要随着无线网络的飞速发展和无线通信市场占有率的增加，室内环境下WiFi的部署也变得尤为重要并普及到生活的各个领域，凭借简单的可移

4、动的设备就能随时随地接入互联网。定位精度较高的基于位置指纹的定位算法利用现成的WiFi无线网络，无需额外增加或者仅少量增加硬件成本，因此基于位置指纹的定位近年来受到较高关注。基于位置指纹定位算法主要有最近邻法、K近邻法等。这些经典定位算法对于大多数运用现场而言定位精度都是足够的，但是经典定位算法定位运算量大，消耗硬件资源多，定位时间长，尤其是一些大型商场、机场、火车站涉及离线数据库体量大的运用现场。首先，本文对实验环境及离线数据库样本量的划分进行了简要分析，根据实验环境合理设置了四个AP，对比分析了多种离

5、线数据库建立方法的优劣，并着重分析了本文的离线数据库建立过程。使用本文采集到的离线数据库，逐一验证、对比了几种经典定位算法的定位精度，发现经典定位算法的定位精度都能够满足一般的民用场合，为在线定位时间复杂度的研究埋下伏笔。其次，本文针对在线定位算法时间复杂度进行分析，基于JAVA语言给出了在线定位算法时间复杂度计算的理论基础，结合理论基础研究了WKNN、KNN算法定位时间复杂度的计算方法，并推导出了对应的计算公式。最后，本文针对离线数据库体量较大时WKNN、KNN在线定位算法计算量大定位时间长的问题，提出

6、了一种基于传播模型的改进聚类算法，该算法通过对离线数据库体量的降级分类，能有效地解决此问题，降低算法的计算量减少定位运行时间。关键词：时间复杂度；WiFi；位置指纹；KNN-I-哈尔滨工业大学工程硕士学位论文AbstractWiththerapiddevelopmentofwirelessnetworksandwirelesscommunicationsmarketshareincrease,WiFideploymentintheindoorenvironmenthasbecomeparticularly

7、importantandspreadtoallareasoflife,andtheInternetcanbeaccessedonlywithasimplemobiledevice.Higherpositioningaccuracybasedonthelocationofthefingerprintpositioningalgorithmusingoff-the-shelfWiFiwirelessnetwork,noadditionalincreaseoronlyasmallincreaseinhardwa

8、recosts,sobasedonlocationfingerprintpositioninginrecentyearsbythehighconcern.Location-basedfingerprintlocalizationalgorithmmainlyNearestNeighbor(NN),KNearestNeighbors(KNN)andsoon.Theseclassicalpositioningalgorithmsa