基于RSSI的室內(nèi)定位算法的研究與改進(jìn).pdf

1、隨著物聯(lián)網(wǎng)的發(fā)展，室內(nèi)環(huán)境中的基于位置的服務(wù)（Location Based Service，LBS）備受關(guān)注，同時(shí)也推動(dòng)了室內(nèi)定位技術(shù)的進(jìn)一步發(fā)展，使其成為定位領(lǐng)域的一個(gè)重要的研究方向。
　　通過(guò)分析幾種典型的室內(nèi)定位技術(shù)，基于WLAN的室內(nèi)定位技術(shù)由于硬件成本低、定位精度高、受室內(nèi)環(huán)境影響小等優(yōu)勢(shì)而受到廣泛應(yīng)用。本文主要研究基于信號(hào)強(qiáng)度RSSI的指紋定位算法，并通過(guò)改進(jìn)它來(lái)增強(qiáng)定位的穩(wěn)定性以及提高定位的精度。
　　本文分析

2、了RSSI的特性以及誤差的來(lái)源，并在數(shù)據(jù)預(yù)處理方面對(duì)指紋進(jìn)行優(yōu)化以增強(qiáng)指紋庫(kù)的穩(wěn)定性，著重分析了幾種常用的濾波方法，如均值濾波、中位值濾波、高斯濾波、卡爾曼濾波，并指出它們的優(yōu)勢(shì)與不足。綜合考慮復(fù)雜度和定位誤差，提出基于均值的平滑濾波方法，并通過(guò)實(shí)驗(yàn)證明該方法在保證低復(fù)雜度的同時(shí)，具有較小的定位誤差。接著研究幾種常用的基于RSSI的指紋匹配算法的原理，指出現(xiàn)有指紋匹配算法的不足。在WKNN算法的基礎(chǔ)上，K均值聚類算法一定程度上解決了計(jì)算

3、量大的問(wèn)題，但由于K均值聚類算法對(duì)隨機(jī)選擇的初始聚類中心依賴性較大，會(huì)導(dǎo)致定位精度不穩(wěn)定。針對(duì)這一問(wèn)題，本文提出一種基于模擬退火-K均值聚類的指紋定位算法。在指紋庫(kù)建立階段，該算法首先在每一個(gè)參考位置多次測(cè)量RSSI值并進(jìn)行預(yù)處理形成指紋庫(kù)，然后利用基于模擬退火改進(jìn)的K均值聚類思想將指紋庫(kù)進(jìn)行聚類劃分；在在線定位階段，首先通過(guò)計(jì)算待測(cè)點(diǎn)與各個(gè)聚類中心之間的距離找出其所在的聚類子類，接著在該聚類中使用WKNN算法估計(jì)待測(cè)點(diǎn)的位置坐標(biāo)，減小