基于接入点集合优化的室内指纹定位研究

作     者：张臣臣 

作者单位：江南大学 

学位级别：硕士

导师姓名：秦宁宁;傅立铭

授予年度：2022年

学科分类：08[工学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

主      题：室内定位 指纹定位 接入点选择 精简指纹库 微信小程序 

摘      要：室内定位技术一直是导航定位领域中的一个研究重点,许多物联网应用依赖该项技术提供可靠的位置信息。在众多的室内定位方法中,由于室内可探测到多个Wi Fi接入点且其信号易于测量,使得基于Wi Fi接收信号强度的指纹定位方法成为当下最流行的定位技术之一。然而,室内密集铺设的接入点设备虽然在一定程度上提高了定位匹配的信息维度,但不稳定接入点信号的出现,不仅导致指纹数据库的臃肿,甚至会降低定位的准确性。于是论文以优化指纹库结构和改进定位精度为目标,从指纹定位的离线建库阶段与在线匹配阶段开展研究,力求在减少数据存储量的同时改善定位结果,主要工作及创新点如下:(1)针对指纹定位中传统聚类方法难以有效划分物理空间,及信号源不稳定导致定位误差大的问题,提出了一种基于模糊聚类的精简接入点匹配定位算法。该算法在离线阶段将面积较大的目标区域按信号源特征划分为多个分区,综合考量各分区中信号源的稳定可见性及冗余性特征,建立区域最小接入点辨识集,缩短指纹匹配时间的同时克服不稳定接入点信号引起的定位波动。在线阶段改进传统欧式距离,结合区域接入点稳定性分配近邻点权重,并利用待定位用户运动过程中的速度约束筛选定位野值,减少环境和信号源变化带来的定位误差。经实际场景测试,所提算法在减少指纹库存储成本同时,平均定位误差不大于0.977m,比传统同类定位算法的定位精度提高了15%以上。(2)针对定位场景中参考点密集分布,构建细粒度指纹库任务量繁重及接入点信号波动引起较大定位误差的问题,提出了一种双尺度接入点优选条件下的指纹库构建算法。该算法在接收信号的局部稀疏度与共邻相似性的高维特征基础上,对定位区域完成划分,兼顾考虑接入点信号的区分度及可见性,为在线计算提供更高效合理的接入点匹配方式,并据此插值建立虚拟指纹库,减少离线采集工作量。在线阶段通过二次模糊匹配克服边缘待定位点区域判决不佳的问题,优化待定位点选择虚拟指纹库的匹配方案,并以密度筛选的方式对定位结果进行二次检测,规避野值近邻点带来的定位误差。经实际场景测试,所提算法在1m、1.6m和2.2m这三种不同的参考点密度场景下,定位精度较传统算法分别提高了6%、13%及18%以上。(3)为更好地将研究课题应用到日常生活场景,论文设计开发了一套基于微信小程序的室内定位系统。系统以用户日常定位需求为背景,实现定位便捷与信息互通为目标,利用小程序、云服务器、网页端作为主要载体,为不同角色的系统用户提供数字化的便利。系统采用微信小程序实现室内定位与信息采集的前端交互,利用云服务器超强的计算能力实现论文提出的定位算法逻辑,同时为定位服务者提供图形化界面的统一展示。通过将定位功能的实现移植到用户常用的应用程序,系统对原有的设计模式进行了技术创新,进一步提升了用户的使用体验。