室內(nèi)被動定位技術(shù)研究及其在行為監(jiān)測中的應(yīng)用.pdf

1、隨著室內(nèi)環(huán)境中基于位置服務(wù)的需求快速的增長，基于指紋識別的室內(nèi)定位因其較高的精度引起了廣泛的關(guān)注。接收信號強(qiáng)度指示（RSSI）作為一種常規(guī)的方案被廣泛的用于位置導(dǎo)航系統(tǒng)和定位系統(tǒng)，但是室內(nèi)復(fù)雜環(huán)境產(chǎn)生的多徑效應(yīng)導(dǎo)致系統(tǒng)的精確性得不到保障。近年來，物理層的信道狀態(tài)信息（CSI）能夠被更多的無線商用設(shè)備獲取，它能更細(xì)粒度展現(xiàn)信號的特征，而且擁有更好的穩(wěn)定性。
　　本文中，提出了一種基于 CSI指紋的室內(nèi)被動定位算法，能更加精確的估計出

2、目標(biāo)的具體坐標(biāo)位置。首先采用基于密度的聚類算法DBSCAN去除原始數(shù)據(jù)中的噪點(diǎn)，降低離群數(shù)據(jù)的干擾；然后使用主成分分析法（PCA）提取特征中貢獻(xiàn)率高的項目，降低特征維度和計算復(fù)雜度；最后結(jié)合支持向量機(jī)（SVM）的回歸算法建立CSI指紋與位置坐標(biāo)的關(guān)聯(lián)模型。
　　同時，還將CSI指紋運(yùn)用于行為監(jiān)測，在入侵檢測中使用SVM的二分類方法檢測入侵的發(fā)生；在簡單目標(biāo)識別中使用SVM的多分類方法區(qū)分目標(biāo)；在室內(nèi)目標(biāo)計數(shù)中使用基于權(quán)值的膨脹矩陣

3、法結(jié)合SVM回歸算法計算目標(biāo)個數(shù)；在人群密度檢測中使用動態(tài)時間歸整（DTW）算法匹配最佳的人群密度。
　　實驗結(jié)果顯示，本文提出的定位算法平均定位誤差距離為1.37米，通過與多種定位方法對比，證明該方法在定位的精度上有明顯的優(yōu)勢；在入侵檢測中，門口入侵檢測和房間有人檢測的準(zhǔn)確度分別達(dá)到98.2％和99.1%；簡單目標(biāo)識別中分類準(zhǔn)確率為98.7%；室內(nèi)目標(biāo)計數(shù)的平均數(shù)目誤差數(shù)量為0.62；人群密度的準(zhǔn)確率為95%。實驗證明本文提出的