基于WiFi指纹的室内定位系统中采样和匹配算法研究

单位代码：10293密级：公开硕士学位论文论文题目：基于WiFi指纹的室内定位系统中采样和匹配算法研究万方数据学号姓名导师学科专业研究方向申请学位类别论文提交日期1013010228蔡敏敏王玉峰通信与信息系统无线数据与移动计算工学硕士2016/3/29ResearchonsamplingandmatchingalgorithmsinWiFiFingerprintbasedIndoorPositioningSystemThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByMinminCaiSupervisor:Prof.YufengWangMarch2016万方数据南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生签名：_____________日期：____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名：____________导师签名：____________日期：_____________万方数据摘要随着信息技术的快速发展,基于终端的室内定位技术能为用户提供信息检索服务、室内导航服务、社区交友服务等，因此已经成为当前的热点研究领域。已有的室内定位算法包括：三角测量法、临近法、WiFi指纹定位法以及行人航位推算法，其中WiFi指纹法定位范围广、成本低、使用灵活、无需额外硬件支持，因此本文研究基于WiFi指纹的室内定位。然而传统的WiFi指纹定位法尚存在如下问题：第一，在采样阶段，每个采样点上需要采集信号并预处理，已有的单方向采集和均值滤波的处理方式尚不够理想；第二，在定位阶段，已有一些匹配算法如KNN，但匹配精度尚待提高。本文在WiFi指纹法的采样阶段，针对信号采集环节，分析了已有的单方向采集法，指出其没有考虑在手机指向不同方向时信号强度的差异性，故提出了不同方向采集法；针对信号预处理环节，分析了均值滤波法，指出其把一些与均值偏差较大的信号也算入总和求平均的缺点，引入了高斯滤波来滤除这些信号。最后，将不同方向采集和高斯滤波融合，提出了改进的采样法——FODG（FusionofDifferentdirectioncollectionandGaussFilter）。在WiFi指纹法的定位阶段，从欧氏距离计算和坐标匹配两方面对主流的匹配法KNN改进。在欧式距离计算环节，分析了KNN法赋予每个AP相同权重的弊端，提出赋不同权值给各个拥有不同信号强度的AP；在坐标匹配环节，指出了KNN法赋予K个近邻采样点相同权值的缺点，提出了距离加权的KNN法（WKNN），最后将AP加权欧式距离法和WKNN法融合，提出了改进的匹配法——AWKNN（APweightedanddistancedweightedKNN）。最后本文实现了WiFi指纹定位系统，包括采样阶段和定位阶段各模块的设计与实现，并在实现的定位系统基础上对相关参数（采集的AP数量、WiFi信号采集数量、近邻数K值）进行了最优化取值。接着对采样阶段算法FODG和定位阶段算法AWKNN进行性能分析，最后从定位精度、定位稳定性、定位速度三个方面，分析整个改进的定位系统（FODG采样+AWKNN匹配）的性能，结果表明：改进后的系统定位精度和定位稳定性相比传统法均有一定程度的提高，而定位速度只有小幅度的减慢。关键词:室内定位，WiFi指纹，高斯滤波，欧氏距离,KNNI万方数据AbstractWiththerapiddevelopmentofinformationtechnology,terminal-basedindoorpositioningtechnologyhasenabledvariousservices,includinginformationretrieval,indoornavigation,communitydatingetc.Existingindoorpositioningmethodologiescanbecategarizedas:triangulationmethod,proximitymethod,WiFifingerprintbasedpositioningmethodandpedestriandeadreckoning.AsWiFifingerprintbasedpositioningmethodhasadvantagesofwidepositioningrange,lowcost,flexibleusageandnorequirementofadditionalhardware,thisthesismainlydealswiththekeyissuesinthismethod.Basically,therestillexistsseveralproblemsintraditionalWiFifingerprintbasedpositioningmethod.Firstly,insamplingphase,weshouldcollectandpreprocesssignalsateachsamplingpoint,existingunidirectionalcollectingandmeanfilteringmethodisstillnotideal.Secondly,inpositioningphase,thematchingaccuracyofsometypicalexistingalgorithmssuchasKNNstillneedtobeincreased.InsamplingphaseofWiFifingerprintingmethod,forthefunctionalityofsignalcollecting,unidirectionalcollectingmethodisanalyzed.Consideringthefactthatithasnotconsideredthedifferenceofsignalstrengthwhenthephonepointstodifferentdirection,sothemethodofcollectingsignalindifferentdirectionisproposed.Forthefunctionalityofsignalpreprocessing,theexistingmeanfilteringalgorithmisanalyzed.Consideringtheweakpointthatithastakenintosumaveragingsomesignalswhichdeviatelargelyfrommeanvalue,sothemethodofGaussianfilteringisproposedtofilteroutthesesignals.Finally,animprovedsamplingalgorithm----FODG(FusionofDifferentdirectioncollectionandGaussFilter)isproposedwhichintegratesthemethodofcollectingindifferentdirectionsandGaussianfiltering.InpositioningphaseofWiFifingerprintingmethod,themainstreammatchingalgorithmKNNisimprovedfromtheaspectsofEuclideandistancecalculatingandcoordinatematching.ForEuclideandistancecalculatingprocess,theweaknessisanalyzedthatKNNgivesthesameweighttoeachAP(AccessPoint),andthemethodofgivingdifferentweightstoAPswithdifferentsignalstrengthisproposedinthisthesis.Forcoordinatematchingprocess,theweaknessispointedoutthatKNNgivesthesameweighttotheKneighborreferencepoints,andthedistanceweightedKNNmethod(WKNN)isproposed.Finally,animprovedmatchingalgorithm----AWKNN（APweightedanddistancedweightedKNN）isproposedwhichintegratesAPweightedEuclideandistanceandII万方数据WKNN.Finally,thewholeWiFifingerprintbasedindoorpositioningsystemisdesignedandimplementedontheAndroidplatform,includingsamplingphaseandpositioningphase.BasedonWiFifingerprintbasedsystem,investigationoftheoptimalselectionofrelevantparameters(numberofAPscollected,numberofWiFisignalcollectedandvalueofneighborsKetc.)isconducted.Then,theperformanceanalysisofsamplingalgorithmFODGandmatchingalgorithmAWKNNiscarriedon,andthewholepositioningsystem(FODG+AWKNN)istestedfromtheaspectsofpositioningaccuracy,positioningstabilityandpositioningspeed.Theresultsshowthattheimprovedsystemcanincreasepositioningaccuracyandpositioningstabilitytocertainextentcomparedtotraditionalmethods,andthepositioningspeedjustslightlydecreases.Keywords:indoorlocalization,WiFifingerprint,Gaussianfilter,Euclideandistance,KNNIII万方数据目录专用术语注释表...............................................................................................................................................