中期检查修改

《中期检查修改》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、论文题目基于RSSI的非绑定室内定位相关研究一、研究内容简介(300-500字)无线定位研究(简称定位研究)按照定位的粒度分为以GPS为代表的户外定位研究和室内定位研究，按照被定位者是否携带PDA或Tag等信号接收或反馈设备分为绑定或非绑定性定位，按照定位原理可分为基于几何的定位和基于ReceivedSignalStrengthIndex(RSSI)的定位,按照定位手段可分为红外线室内定位、超声波定位、蓝牙定位、RFID定位、超宽带定位、Wlan定位、WSN定位以及惯导定位等，具体见下表：Indoor

2、('Local)Indoor/OutdoorOutdoor1(Global1)GSM(必GJUMTS('3G')GPSBluetoothUWBWiEiZigBeeIntraredPersonalAreaNetworksWlanWirelessAd-HocNetworksWirelessSensor：NetworksTelecommu-nicationNetworksSatel-liteBoundBasedBoundFreeorBoundBased目前国内外对Wlan定位的研究主要集中于BoundBas

3、ed方面，比较成功的定位系统有WHAM!定位系统，Ekahau定位系统、RADAR定位系统、Nibble系统、Horus定位系统、Horus系统和Rice系统，各种定位系统的特征见下表：系统名称提出时间精度定位方式采集量特点RADAR20002-3m位置指纹+传播模型RSS1传播模型降低训练量Nibble2001较高贝叶斯网络SNR使用传感器融合Horus2004lm位置指纹RSSI使用聚类技术Rice2004较低分区定位RSSI训练工作量很低Ekahau2006lm位置指纹RSSI需要知道无线电场强

4、WHAM!2007较低分区定位RSSI依靠信号相对强度定位而本人研究的是基于Wlan的BoundFree的定位，其主要应用场景为智能空间环境，特别是智能家居与智能办公环境，其特点在于定位对象不携带任何设备，在提高便捷性，降低成本的同时，也牺牲了定位精准度，研究的重点在于如果降低噪音，提高定位精度。%1.研究工作进展（已完成的主要工作及已取得的成绩。不超过1000字）在上届师兄研究的基础上，采集了15种情况下60组RSSI信号强度数据（40000多数据点）,对AP点个数的最优区间和信号过滤方法进行了一定

5、分析和研究，提出了一些不同意见，并通过实验获得初步验证。1、AP点个数最优区间问题在最初研究的时候，对AP点的个数和分布并没有一个理性的认识，只是觉得AP点不能少于3个，且AP越多数据量越充分，因为AP越多，指纹信息就越丰富，匹配就更容易。但在实际研究中发现，在其他条件不变的情况下，同一点上单AP所采集到的RSSI的统计性质是与多AP时对应AP所采集的RSSI稍有不同的，其数学期望显示当AP增加时，采集到的RSSI值会少量增加,分析其原因，应该是无线AP的自增益功能导致的，即对某个AP而言，其他AP发

6、射的无线信号是干扰，当AP增加时，相当于增加了环境噪音，那么为了保持其固有的信噪比，该AP必然增大其发射功率，这样也就使得RSSI增加。但随之而来的问题是，引入其他AP所带来的噪声干扰，是否会对定位产生影响，如果产生了影响，就说明单纯增加AP在一定情况下会降低定位精度。因此，对纯净环境中不同AP个数的情况下采集到的数据进行了F-双样本方差分析，分析结果显示增加AP后，数据扰动（方差）变化是明显的，而在纯净环境下，唯一的干扰就是其他AP的噪声，因此可见，一定情况下，增加AP不仅不能提高定位精度，反而因为

7、AP间的相互干扰，降低定位精度。同时，必须注意的是，即使数据扰动不明显，但由于匹配时需要计算欧氏距离，因此当维度过高（AP数过多）时，会使不在辅平面上的两个相邻点的欧氏距离过大，所以增加AP数量不是提高定位精度的最佳选择。根据实验数据，本人认为，4-5个AP是比较合适的，如果少了，则很难排除异常信号，如果多了，则增加环境噪声，容易降低定位精度。2、信号过滤方法研究由于非绑定Wlan定位自身的原因，采集到的信号往往包含较多的噪音和异常，在不改变定位思路的情况下，信号过滤是提高定位精度最关键，最有效的手段

8、。最初的方法是通过削峰的办法处理明显异常的信号，但明显粗糙；后来提出使用均值代替异常值，但这有个问题，就是在纯净环境下效果很好，但是当人处于运动状态时，使用均值意味着抹杀了人的运动信息；后来有两位师弟分别用蒙特卡洛算法和卡尔曼滤波进行处理，取得了一定效果，但是不够理想。在总结他们经验的基础上，进一步认真分析了采集到的数据，得出了关于异常点分布的初步设想，即异常点既不服从一维平均分布，也不服从高斯正态分布，而是近似服从泊松分布。同时异常情况的发生具有“短暂