无线室内定位关键技术的研究

【摘要】：近年来,随着移动通信技术的迅猛发展,人们对于基于定位技术的服务的需求日益增加,无线室内定位技术越来越成为当下的研究热点。总的来说,目前对无线室内定位的研究主要有两个方向:一是在视距传播等较强假设下,进一步提高定位精度;二是在非视距环境等较难定位的场景中,研制出一套可行的、定位精度能够被接受的方案。首先,本文介绍了无线室内定位技术的研究背景与国内外研究现状。讨论了目前制约定位精度进一步提高的主要技术瓶颈,并引出了本文的研究主题:新型无线室内定位技术。其次,本文对现有的无线室内定位技术进行了综述,详细介绍了超宽带技术、蓝牙技术、WiFi(Wireless-Fidelity)技术等物理层技术,以及到达时间(Time-of-Arrive,TOA)、到达时间差(Time-Difference-of-Arrival,TDOA)、接收信号强度(Received Signal Strength Indicator,RSSI)等测距定位算法,并明确了对定位算法的评价指标,引出了后续所提的改进算法。再次,本文针对视距环境下的定位场景,提出了一种基于调频连续波(Chirp signal)的TDOA室内定位技术。所提方案在给定的参数下,将平均定位误差控制在5厘米以内,且不要求基站间的时钟同步。具体来说,本文首先分析了所提算法定位误差的克拉美劳下界,接下来分标签端、基站端、服务器端三个模块介绍了所提算法在二维场景双天线定位系统中的具体实现,并将其推广到了三维场景中的多天线定位系统。最后对所提定位算法进行了参数仿真,分析了离散傅里叶变换(Discrete Fourier Transform,DFT)点数、调频连续波带宽、噪声等因素对最终定位精度的影响。最后,本文针对非视距环境,研究了基于机器学习的室内定位算法,并提出了对传统k近邻(k-NearestNeighbor,kNN)算法的两种改进方案。其一,提出了一种基于全连接神经网络的递进式室内定位算法,通过全连接神经网络这个学习能力更强的机器学习模型,递进式地预测待定位物体所属的建筑物、楼层以及经纬度。其二,提出了一种指纹库动态更新的改进kNN定位算法,所提算法是为了解决信道环境随时间变化而造成定位精度下降的问题。通过仿真,所提两种的改进算法,均在传统算法的基础上将定位误差降低了几个百分点。之后本文还提出一种结合机器学习的Chirp-TDOA定位算法,将之前的两项研究内容与所提算法统一到了“物理层信号-测距方式-定位算法”这个框架下,并对后续的研究工作做了构想与展望。