稀疏參考點(diǎn)下的WI-Fi指紋室內(nèi)定位方法.pdf

1、隨著科技的發(fā)展與進(jìn)步，智能終端設(shè)備越來越普及，用戶對于基于位置感知服務(wù)的需求越來越多，尤其是在大型的購物廣場、機(jī)場等復(fù)雜的室內(nèi)場所。與其它定位技術(shù)相比，基于Wi-Fi的室內(nèi)定位技術(shù)因具有可復(fù)用既有網(wǎng)絡(luò)設(shè)施布局成本低和定位精度較好的優(yōu)點(diǎn)，得到了廣泛研究。位置指紋法是目前基于Wi-Fi的室內(nèi)定位主流方法，該方法利用離線階段預(yù)先采集的信號強(qiáng)度值作為定位場景中的特征指紋來預(yù)測用戶的位置。其信號采集工作需要消耗大量的時(shí)間和人力勞動(dòng)，如何在保證定位

2、精度的前提下減少信號采集工作量是該領(lǐng)域的研究熱點(diǎn)。
　　本文首先針對離線階段位置指紋庫的構(gòu)建，充分考慮Wi-Fi信號強(qiáng)度的空間相關(guān)性，提出了基于Wi-Fi信號信道損耗模型的泛克里金插值算法，在采集少量Wi-Fi信號位置指紋數(shù)據(jù)的情況下，充分利用少量的Wi-Fi信號指紋數(shù)據(jù)重新構(gòu)建高精度的包含更多參考點(diǎn)位置的Wi-Fi信號位置指紋數(shù)據(jù)庫。然后針對在線階段指紋匹配需要對指紋庫進(jìn)行全局搜索，造成時(shí)間開銷和資源浪費(fèi)的問題，通過實(shí)驗(yàn)分析了W

3、i-Fi信號強(qiáng)度空間劃分與物理空間區(qū)域劃分的相關(guān)性，并根據(jù)這種相關(guān)性對Wi-Fi信號強(qiáng)度數(shù)據(jù)進(jìn)行聚類處理。定位算法采用K-最近鄰法(K-Nearest Neighbors，KNN)指紋匹配算法并結(jié)合一定的接入點(diǎn)(Access Point，AP)選擇策略，然后對使用不同空間插值算法構(gòu)建的位置指紋庫進(jìn)行定位精度的實(shí)驗(yàn)驗(yàn)證。
　　實(shí)驗(yàn)結(jié)果表明在采樣點(diǎn)間隔5m情況下，采用基于信號傳播模型的泛克里金插值算法構(gòu)建的位置指紋庫的定位平均誤差比稠

4、密采集的1m間隔數(shù)據(jù)的平均定位誤差僅僅高了0.11m，與插值前的5m間隔數(shù)據(jù)相比降低了0.6m(12.8％)，一定程度上保證了定位精度。與高斯過程回歸算法相比低了0.2m，比反距離加權(quán)法的平均定位誤差低了0.4m;當(dāng)誤差累積概率為50％時(shí)，基于Wi-Fi信號損耗模型的泛克里金插值算法構(gòu)建的位置指紋庫的定位誤差為3.2m，與高斯回歸算法和反距離加權(quán)法相比分別低了0.4m和0.7m，與插值前的參考點(diǎn)間隔為5m的指紋庫相比低了0.9m。通過本