基于Wifi的指纹定位系统在室内定位中的应用研究-软件工程专业论文.docxVIP

I I 摘 要 随着移动通信技术的飞速发展，基于无线传感器网络的位置感知服务 LBS （Location Based Services）越来越受青睐，而对于 LBS 来说定位技术是其提供 服务的基础。在开阔的室外环境下 GPS 全球定位系统可提供较精确的定位服务。 然而在高楼密集的中心城区和建筑物内部，由于无法感知 GPS 卫星信号，从而 无法在这些场景中实现定位。为了弥补 GPS 存在的定位盲区，实现室内环境中 的精准定位，本文在研究经典 Wifi 指纹定位算法思想的基础上，针对该算法中 存在的一些不足加以改进，提出了一种基于分段和插值的 KNN+Bayes 融合定位 算法，在满足定位精度需求的同时，有效的降低了算法的计算复杂性。本文的主 要研究工作如下： (1) 由于 Wifi 信号在室内传播时会受到障碍物和多径效应的影响，导致其信 号强度长期处于一种波动状态，如果直接根据单次采集的信号强度值进行定位计 算，会产生较大的定位误差。针对上述问题，本文采用高斯模型来对采样周期内 的多组信号强度值进行滤除处理，保留出现概率大的信号强度值，去除出现概率 小的信号强度值。提高了信号的采集精度和系统的定位精度。 (2) 由于传统 KNN 算法计算复杂度低、易于实现，但是其定位误差较大， 很难满足精确定位的需求。传统的 Bayes 算法定位精度高，但是计算复杂度也较 高。为了使定位算法在满足精度需求的同时，有效减小其计算复杂度，本文采用 分段和插值的方法将 KNN 算法和 Bayes 算法进行融合，在分段过程中采用 MAC 过滤和 KNN 粗定位来缩小定位区域的范围，从而减小指纹匹配计算的复杂度。 在插值的过程中采用水平插值和垂直插值方法来提高定位区域中的指纹密度，从 而提高 Bayes 算法的定位精度。 最后，我们基于 Android+J2EE+MySQL 平台，依照上述改进理论，设计并 实现出了基于 Wifi 的指纹定位系统，并在现实定位场景中进行了定位实验，实 验结果表明：本文提出的基于分段和插值的 KNN+Bayes 融合定位算法，在定位 精度方面远远高于 KNN 算法，在计算复杂度方面远远低于 Bayes 算法，不断能 够满足定位精确的需求，而且有效的降低了算法的计算复杂性，对于推动室内定 位技术的发展有重要的意义。 关键字：Wifi ； KNN+Bayes 融合定位算法；室内定位系统。 PAGE PAGE IV Abstract With the rapid development of mobile communication technology, LBS (Location Based Services) based on wireless sensor network has become more and more popular. Localization technology is the foundation for LBS, so how to achieve precise positioning is the key to LBS. GPS can provide enough accurate location services in outdoor environment, but in valley downtown or inside the building GPS satellite signal is difficult to be received, so it is almost impossible to use GPS for positioning in those areas. In order to reduce the blind area of GPS and provide high-precision positioning services in indoor environment, this paper firstly studies classic Wifi fingerprint location algorithm, and then designs a new fusion location algorithm based on KNN and Bayes to solve several major problems that exist in the original algorithm. The experiments have proved that the new algorithm not only can meet the need of location accuracy, but also can reduce the compl