基于信息熵的WLAN室內(nèi)定位算法研究.pdf

1、無線局域網(wǎng)作為寬帶有線接入網(wǎng)的補充應用越來越廣泛，同時也催生了以無線局域網(wǎng)為基礎的各類服務如 WLAN室內(nèi)定位服務等。而基于位置指紋的WLAN室內(nèi)定位系統(tǒng)以其操作及設備簡單等特點而成為研究熱點。因而本文將基于位置指紋的WLAN室內(nèi)定位方法作為主要研究內(nèi)容，并通過改進該方法提高定位準確度和定位所需時間。
　　基于位置指紋的WLAN室內(nèi)定位一般分兩個階段：離線階段 Radio Map的建立和在線定位階段。在離線階段，通過實測得到參考點

2、的位置信息及相應的RSS值形成Radio Map；在線階段使用特征匹配算法計算出在線測得數(shù)據(jù)的物理位置。基于位置指紋的定位算法需要解決兩個問題：定位的準確性和時效性。因而本文研究了聚類算法、AP選擇算法及Radio Map更新算法。
　　首先，本文分析了現(xiàn)有的基于 Radio Map的WLAN室內(nèi)定位的特點，根據(jù)其關鍵的兩個環(huán)節(jié)即Radio Map的建立及特征匹配算法進行分析。位置指紋的創(chuàng)建方法有兩種，即自由空間傳播模型法和接收到

3、 RSS值的特征值法，本文選用 RSS特征值法。RSS值隨著時間，天線朝向，參考點位置變化而變化，因而需要選用合理的方法建立Radio Map。特征匹配算法中，包括最簡單的最近鄰算法、經(jīng)典的K近鄰算法和加權K近鄰算法。
　　其次，本文通過分析Radio Map，研究如何對Radio Map進行化簡及更新操作。為了定位的時效性，本文首先對Radio Map進行聚類處理，將 Radio Map劃分為幾個小類，然后在每一個小類中使用 A

4、P選擇算法選擇出合適的AP組合用于定位。在聚類算法中，研究了最簡單的K均值聚類算法、引入隸屬度概念的模糊 K均值聚類算法和無需指定初始聚類數(shù)的仿射傳播聚類算法；在 AP選擇算法中，研究了隨機選擇及均值最大選擇 AP方法、信息熵增益方法和互信息熵方法。最后，為定位的準確性，研究了基于隱馬爾科夫模型的Radio Map更新方法，并使用EM算法對隱馬爾科夫模型進行求解。
　　最后，通過在真實環(huán)境下的實驗仿真，利用特征匹配算法進行定位。對