论文部分内容阅读
随着智能手机的普及以及移动互联网的发展,基于位置的服务(location-based service,LBS)越来越多的受到重视,尤其在复杂的室内环境,常常需要确定用户的位置信息。基于接收信号强度(received signal strength,RSS)的无线局域网(wireless local area network,WLAN)室内定位技术,仅仅利用WLAN中所部署的热点,无需专门的硬件设备就能实现对接入WLAN中的无线设备进行可靠和高效的定位,并且其带宽高,穿透力强,覆盖范围广,接入方便,因此得到了广泛的关注。在WLAN室内定位环境中,多径效应和人员走动造成信号受到不规律干扰,阴影效应造成信号损耗,以上几种影响使得在相同位置接收到各个接入点(access point,AP)的RSS值具有复杂的时变统计特性,从而降低了基于RSS的WLAN室内定位精度,给研究者带来了艰难的挑战。本文以降低RSS时变性对室内定位精度的影响作为研究对象,将理论分析和实验对比相结合。主要贡献归纳为以下几点:(1)阐述了 WLAN的基本原理和WLAN技术的优势,分析了位置指纹的基本原理、室内位置标识方法以及影响室内定位的干扰因素。(2)分析了 RSS的概率分布规律,针对RSS的复杂时变性,采用线性判别分析(linear discriminant analysis,LDA)和核直接判别分析(kernel direct discriminant analysis,KDDA)两种方法提取原始RSS的信号特征。(3)介绍了混洗蛙跳算法(shuffled frog leaping algorithm,SFLA)和最小二乘支持向量回归机(least square support vector regression,LSSVR),研究了基于SFLA的LSSVR两个参数的优化过程,提出了基于KDDA和SFLA-LSSVR算法的室内定位算法。实验结果表明,KDDA-SFLA-LSSVR算法在相同的采样次数情况下的定位精度明显高于WKNN,ANN,LSSVR算法,在定位精度相同的情况下能较大减少采样样本数,是一种性能良好的WLAN室内定位方法。