大型室内无线定位指纹匹配精品.pptVIP

大型室内无线定位指纹匹配算法研究 姓名：逯倩 学号 班级：信息05 指导教师：廖学文 目录 1 绪论 2 基于位置指纹的WLAN室内定位系统 3 聚类分析 4 传统k-means算法 5 改进的k-means算法 6 结论与展望 参考文献 附录1 附录2 致谢 绪论 研究背景 基于位置的服务越来越受到人们的重视 全球定位系统不能在室内得到精准的定位 无线局域网（WLAN）飞速发展 绪论 研究意义 在基于位置指纹的WLAN室内定位系统中，定位其 实是匹配问题。当数据库中的数据记录非常多，在匹配 时就必须计算很多组数据的相似度，花费很多时间。因 此，本文的工作是研究学习聚类算法，在匹配前先对数 据进行聚类，定位时就可以节减匹配的时间，提高定位 的速度。 绪论 相关工作 K-means算法作为一种经典的聚类算法，广泛应用于 多种领域中。但它也存在一些问题，针对这些问题，已有 多种方法可以解决。 主要改进方向有初始点的选取、k值的确定、时间复杂 度的降低；还有将多种算法结合起来，比如将层次聚类和 划分聚类结合起来。 基于位置指纹的WLAN室内定位系统 基本原理 基于位置指纹的室内定位技术的基本原理是终端将待 定位点的wifi信号名称及强度值上传给服务器，服务器在数 据库中查找与之最相近的数据记录，利用这些记录的位置 坐标计算出待定位点的坐标，将坐标返回到客户端。 基于位置指纹的WLAN室内定位系统 基本原理 该定位方法分为采样和定位两个阶段，如图2-1所示。 基于位置指纹的WLAN室内定位系统 系统设计 该定位系统包含客户端、服务器端和室内WLAN环境。 客户端功能：采集AP到所在点的信号强度，并上传到 服务器端；显示地图和目标位置。 服务器端功能：接收终端上传的信息；识别并响应终 端的定位请求，并能将定位结果返回给客户端。 室内WLAN环境的功能是构建室内空间射频信号的分 布，提供位置指纹数据库的数据来源。 基于位置指纹的WLAN室内定位系统 系统设计 该定位系统的软件部分（客户端和服务器端）主要用 java语言实现，位置指纹数据库用MySQL Workbench 6.0 软件创建。用该软件创建了位置指纹数据库wifi_location， 数据库中包含以下6种表，如下图2-3所示。 基于位置指纹的WLAN室内定位系统 聚类分析 概念介绍 聚类分析就是将一个数据集中的对象分到多个簇或类 中，使得数据在同一个簇中相似性高，但是不同簇中的数 据相异性高。 聚类分析广泛运用于各种领域，如模式识别、图像分 割、信息检索等，此外在生物、市场营销、医学等方面也 起到了重要作用。 聚类分析 算法分类 聚类分析的算法一般分为以下几类： （1）基于划分的方法。 （2）基于层次的方法。 （3）基于密度的方法。 （4）基于网格的方法。 （5）基于模型的方法。 传统k-means算法 算法思想 k-means算法的核心思想是将数据集D按某种标准分 为指定个数的集合，该算法包含两个阶段：第一阶段是为 每个类随机地挑选最开始的类中心；下一阶段是将数据归 入最近的类。 传统k-means算法 算法仿真及分析 该算法的时间复杂度是O(nkt)。输入数据为在主E实际 测量的数据集。对于实际测量的数据，当两个点维数不同 时，就要选择两点属性相同的部分进行计算。即取采集到 的wifi信号中AP地址相同的分量进行距离的计算： 传统k-means算法 传统k-means算法 传统k-means算法 传统k-means算法 传统k-means算法 分析得知，传统的k-means算法存在一些缺点或问题： （1）需要提前给定聚类个数k。（2）初始点是随机挑选的。 （3）易受噪声或孤立点数据影响。（4）容易产生局部最 优解；（5）当输入数据很