收藏本站
《哈尔滨工业大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

WLAN室内半监督定位及指纹更新算法研究

夏颖  
【摘要】:随着智能终端的手持化和无线网络的广泛覆盖,室内外基于位置服务的需求呈现出增加与快速发展的趋势,并日趋广泛的应用在抢险救援、医疗服务、旅游定位导航和监控等领域,展示出良好的市场前景。为位置服务提供精确与实时的位置信息需求,将定位技术与提供的服务二者紧密联系在一起。基于指纹匹配的无线局域网(Wireless Local Area Network,WLAN)室内定位技术,在利用现有的网络硬件设施基础上,通过各种便携式的移动终端,以纯软件的方式即可实现定位过程,成为近年来室内定位技术领域的研究热点。然而,室内传播环境的复杂多变,会导致RSS信号具有严重的时变性,使得信号与物理位置空间的映射关系不是唯一对应的,严重影响了定位的精确度,给室内基于指纹匹配的定位技术带来了诸多问题,也对广大研究人员提出了更多的挑战。本文对基于指纹匹配的WLAN定位系统的关键技术进行了深入研究,分析了影响定位性能的主要因素。针对指纹匹配算法关键环节存在的不足,围绕降低RSS信号时变特性的影响、减少定位计算的复杂度、实现定位系统的有效性与可靠性平衡为主要目标。充分利用便于采集的未标记样本数据,采用半监督的流形学习、聚类分析、及数据挖掘理论,一定程度上改善了基于指纹匹配的WLAN定位技术。研究的主要内容与创新点可归纳为以下几个方面:第一,对典型的室内定位系统进行了比较与分析,重点对定位原理,构建成本、定位精度和适用的场景几个方面进行了详细介绍,并在此基础上,对基于WLAN的位置指纹定位技术进行了深入研究。分别讨论了指纹采集与位置解算两个阶段的关键技术,总结指纹匹配算法、聚类分析、特征提取和指纹数据更新等环节的研究现状与存在问题,对部分算法进行了详细介绍与研究,为后续算法的改进提供理论基础。第二,信号维数的约减与定位特征提取算法的研究。针对密集布设的无线接入点网络环境条件下,直接利用接收的RSS信号作为定位算法的输入,容易带来定位信息冗余与噪声干扰,直接影响定位性能,提出了基于半监督的降维与特征提取(Semi-supervised Dimensionality Reduction and Feature Extraction,SDE)定位算法。用以挖掘高维数据空间存在的低维流形结构,实现高维空间RSS信号的低维嵌入,在保持其判别能力的前提下提高信号的可信度,有效的提高了系统定位精度。所提算法利用了移动用户志愿者采集的随机样本数据,通过半监督学习即可提取具有最大判别能力的低维定位特征,不仅算法的复杂度低,而且减少了在线定位匹配的计算量,从而降低用户终端的定位能耗。第三,减少RSS信号位置解算搜索空间算法的研究。室内定位技术中,离线阶段构建的指纹数据库中参考点数目及RSS信号的维数,是影响指纹匹配算法搜索区域的主要参数。为此,可以采用聚类分块算法,将定位区域全部的参考点划分为若干子区域,在各个子区域建立特征提取学习模型。鉴于已有的聚类分块算法存在分类准确度不高、无法克服信号非线性和时变性的不足,提出了结合c均值的半监督仿射传播聚类(Semi-supervised Affinity Propagation Clustering,SAPC)算法。该算法通过已知的标签数据调整相似度矩阵,然后在新得到的矩阵上进行聚类分析,最后对聚类结果进行调整。相比其它算法而言,所提算法提高了分类的正确性,更好地平衡了定位精度与计算复杂度的关系。第四,指纹数据库的重建与更新算法的研究。围绕指纹数据库的静态特性给定位结果带来的较大误差,提出了基于移动用户运动轨迹模型的指纹更新算法。通过建立基于用户位置的隐马尔可夫模型(Hidden Markov Model,HMM),将实时接收的RSS信号作为观察序列,其后隐藏的相关位置信息可通过对HMM参数求解获得,进而实现对指纹数据的实时更新。所提算法有效的减少了指纹数据库的重建与更新而带来的劳动力消耗,有利于室内定位系统的大规模推广和应用。与采用静态指纹数据库的定位算法相比,更新后的指纹数据能够更好的克服环境变化导致的信号波动,提高系统的定位精度与稳健性。
【学位授予单位】:哈尔滨工业大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TN925.93

【相似文献】
中国期刊全文数据库 前10条
1 陈冬牛;用于零件成组的多目标聚类分析[J];成组生产系统;1986年01期
2 李斌,郭剑毅;聚类分析在客户关系管理中的研究与应用[J];计算机工程与设计;2005年02期
3 曾宪华;罗四维;;动态增殖流形学习算法[J];计算机研究与发展;2007年09期
4 曾宪华;罗四维;;局部保持的流形学习算法对比研究[J];计算机工程与应用;2008年29期
5 刘志勇;;基于保距与保拓扑的流形学习算法[J];长江大学学报(自然科学版)理工卷;2010年02期
6 闫志敏;刘希玉;;流形学习及其算法研究[J];计算机技术与发展;2011年05期
7 杨海红;;流形学习中邻域大小的选择算法[J];山西煤炭管理干部学院学报;2011年01期
8 周华;蔡超;丁明跃;;基于流形学习和流形高阶近似的图像距离度量[J];华中科技大学学报(自然科学版);2012年03期
9 石陆魁;张军;宫晓腾;;基于邻域保持的流形学习算法评价模型[J];计算机应用;2012年09期
10 谈超;关佶红;周水庚;;增量与演化流形学习综述[J];智能系统学报;2012年05期
中国重要会议论文全文数据库 前10条
1 梅翠;;我国各地区居民收入差距及其对消费的制约[A];中国现场统计研究会第12届学术年会论文集[C];2005年
2 李均立;傅国华;;海南各县(市)经济实力的聚类分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年
3 刘黄金;曹林峰;;南京服务业发展的聚类分析[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年
4 肖静;杨泽峰;徐辰武;;微阵列表达谱监督聚类分析方法的比较研究[A];江苏省遗传学会第七届代表大会暨学术研讨会论文摘要汇编[C];2006年
5 路爱峰;崔玉杰;;沪市电力上市公司经营业绩的聚类分析[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年
6 陈国华;廖小莲;夏君;;证券投资分析的聚类分析方法[A];中国企业运筹学[2011(1)][C];2011年
7 张红卫;隗金水;;聚类分析评价与测量效度关系探讨[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年
8 宋欣;王娟;张斌;叶世伟;;流形学习算法分析及在人脸数据库上的应用[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年
9 牛东晓;乞建勋;;网络资源平衡问题的聚类分析优化遗传算法研究[A];2001年中国管理科学学术会议论文集[C];2001年
10 刘晓平;季浩;邓伟财;;基于流形学习的非线性系统可视化算法[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 夏颖;WLAN室内半监督定位及指纹更新算法研究[D];哈尔滨工业大学;2016年
2 戴震龙;几类问题基于自然边界归化的算法研究[D];南京师范大学;2017年
3 苏祖强;基于泛化流形学习的风电机组传动系统早期故障诊断方法研究[D];重庆大学;2015年
4 马婧华;基于流形学习的旋转机械早期故障融合诊断方法研究[D];重庆大学;2015年
5 邢向磊;流形学习与稀疏表示在模式识别中的应用[D];南京大学;2013年
6 卢磊;机械加工过程中的早期故障微弱信号处理方法研究[D];哈尔滨工业大学;2016年
7 郝中华;基于微分流形的非线性降维方法研究[D];上海大学;2016年
8 黄红兵;层次流形学习及其在监督分类中的应用[D];上海交通大学;2015年
9 杜春;流形学习及其应用算法研究[D];国防科学技术大学;2014年
10 李月仙;基于拉普拉斯特征映射算法的旋转机械故障诊断研究[D];太原理工大学;2016年
中国硕士学位论文全文数据库 前10条
1 张晓丹;WSN中基于改进粒子群优化算法的分簇拓扑算法研究[D];郑州大学;2017年
2 贾祎恺;基于深度特征学习的目标检测与跟踪算法研究[D];西安科技大学;2017年
3 张灿龙;不确定DM-chameleon聚类算法在滑坡危险性预测的研究及应用[D];江西理工大学;2017年
4 胡浩松;基于流形学习的旋转机械故障识别方法研究[D];燕山大学;2015年
5 李元俊;大学生就业能力培养与社会需求的匹配性研究[D];山东建筑大学;2015年
6 冯雪冰;基于模糊理论的EM算法在聚类分析的应用研究[D];中国地质大学(北京);2015年
7 丁春涛;基于图嵌入的判别近邻分析研究及应用[D];苏州大学;2015年
8 黄银;行业地区发展水平的聚类分析[D];苏州大学;2015年
9 郭俊峰;聚类分析下的股票投资价值挖掘研究[D];大连海事大学;2015年
10 张旭;考虑风电接入不确定性的节点特性建模研究[D];山东大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026