论文总字数：30046字

摘 要

全球定位系统（GPS）是一种与定位和导航服务结合使用的通用定位工具，但在室内GPS信号较弱，在室内定位不准确，室内定位技术的研究成为研究热点。室内定位可以利用被广泛部署的Wi-Fi设备实现，可以应用于生活中很多场景。本文以实际采集数据的方式，在实验环境中研究多种室内定位技术，分析各个定位方法的关键技术和性能，重点研究了Wi-Fi延迟技术和Wi-Fi位置指纹技术定位的算法，并进行了仿真实验。

在Wi-Fi延迟技术中，研究了室内无线信号传输损耗模型以及三边法的几何定位方法。选择合适的室内无线信号传输损耗模型，使用MATLAB仿真，通过构建数据库来确定模型中取决于室内环境的常量进行距离预测，利用三边法确定定位区域。

在Wi-Fi位置指纹技术中，分别实现了最小欧几里得距离匹配算法、KNN法以及多分类支持向量机法三种分类匹配算法。对实验区域内随机位置实现定位，最终选择定位精确度高、实时性好的KNN法作为最佳算法。最后选取定位精确度较高的KNN法和多分类支持向量机法的指纹定位技术与GPS进行室内定位比较，发现指纹法的定位效果远好于GPS。

关键词：室内定位 无线信号传输 KNN 支持向量机

Abstract

Global Positioning System (GPS) is a universal positioning tool used in daily life. However, indoor GPS signals are weak and indoor positioning is not accurate. Research on indoor positioning technology has become a research hotspot. Indoor positioning can be achieved with widely deployed Wi-Fi devices and can be applied to many scenarios in life. This paper studies various indoor positioning technologies in the experimental environment by means of actual data collection, analyzes the key technologies and performance of each positioning method, and focuses on the Wi-Fi delay technology and Wi-Fi location fingerprint technology positioning algorithm.

For the Wi-Fi delay technology, the indoor wireless signal propagation model and the geometric positioning method of the trilateration method are studied. By selecting the appropriate indoor wireless signal transmission loss model, using MATLAB simulation to the predict distance in the model based on the constant of the indoor environment, and use the trilateration method to determine the positioning area.

For the Wi-Fi location fingerprint technology, three classification matching algorithms: the minimum Euclidean distance matching algorithm, the KNN method and the multi-classification support vector machine method (SVM), are implemented respectively. The positioning of the random position in the experimental area is realized, and finally the KNN method with high positioning accuracy and good real-time performance is selected as the optimal algorithm. Finally, the KNN method with high positioning accuracy and the fingerprint positioning technology with multi-classification support vector machine method are compared with GPS for indoor positioning. It is found that the positioning effect of fingerprint method is much better than GPS.

Keywords: indoor positioning, wireless signal propagation, KNN, multi-class SVM

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1引言 1

1.2研究现状 1

1.2.1信号传播技术 1

1.2.2 Wi-Fi位置指纹技术 2

1.3本文主要研究内容和章节安排 3

第二章 数据库建立与室内定位理论基础 5

2.1实验数据采集与预处理 5

2.2 基于Wi-Fi延迟技术的定位方法 6

2.2.1 三边定位法（Trilateration） 6

2.2.2 室内无线信号传播模型 7

2.3 Wi-Fi位置指纹法 8

2.3.1 最小欧几里得距离法 8

2.3.2 KNN法 8

2.3.3支持向量机法 9

第三章 Wi-Fi延迟技术定位 10

3.1对数正态路径损耗模型 10

3.2三边定位法 11

3.3 Wi-Fi延迟技术定位总结 14

第四章 Wi-Fi位置指纹法定位 15

4.1最小欧几里得距离匹配定位法 15

4.2 KNN法定位 16

4.2.1 KNN算法基本原理及实现 16

4.2.2 定位结果分析与评价 17

4.2.3 KNN法定位总结 18

4.3支持向量机法定位 19

4.3.1支持向量机基本原理 19

4.3.1.1线性可分支持向量机 19

4.3.1.2可分支持向量机 20

4.3.1.3多分类支持向量机 20

4.3.2 多分类支持向量机定位结果与分析 22

4.4三种指纹法定位、GPS室内定位比较 23

4.4.1 KNN法与支持向量机法比较 23

4.4.2 指纹法与GPS室内定位比较 24

4.5 Wi-Fi位置指纹法定位小结 25

第五章 总结与展望 26

5.1 工作总结 26

5.2 工作展望 26

参考文献 28

致 谢 30

第一章 绪论

1.1引言

在日常生活中，开车需要定位导航，徒步旅行需要导航，定位导航技术已经成为当今生活不可或缺的一部分。定位导航技术的应用场景大多是在室外开阔的地带，然而随着经济科技的快速发展，一座座高大的商场建成，人们在这样巨大的封闭的环境中也需要定位导航。所以，室内定位技术开始被人关注研究。

全球定位系统 (GPS) 是一种结合定位和导航服务的常用定位工具. 虽然GPS是一种相当成熟的技术, 在室外环境中广泛使用, 但在室内定位中的应用也存在一定的局限性。在室内环境中, GPS 信号的传播环境比室外更为复杂。例如由于物体的遮挡, GPS 信号将在室内发生反射、折射，并且室内由于人体移动，信号的传播环境变换十分迅速。由于信号在无线信道的失真、衰落和多径效应，全球定位系统并不能在室内精确定位。定位准确性是使用者最看重的标准，GPS可以定位在某个建筑物内，但不能像空阔的室外精确到具体位置，而使用者希望得到更精确的定位结果。值得注意的是，搭建完整的室内定位系统需要耗费大量人力物力，且需要考虑众多技术问题，包括频谱资源的占用分配、用于检测无线信号的设备的制作配备（内部集成电路设计等）、发射信号设备的生产使用。而当下大多数室内环境有众多可供利用的无线设备，因此设计者更倾向于使用已有的被部署的无线设备实现室内定位，仅需要考虑如何使用并实现定位功能。

1.2研究现状

室内无线信道是指室内对无线通信中发送端和接收端之间通路。室内无线信道与室外无线信道相比，信道特征有很大不同，主要体现在：无线信号在室内传播的覆盖面积小；发射端与接收端之间信道环境随时间变化较快。众多研究发现，影响室内信号传播的因素主要包括：建筑的材料、室内物体材料的种类、物体（包括人体）位置的变化等。室内无线信号传播由于受到反射、绕射、散射的影响而产生信号失真和衰减。

剩余内容已隐藏，请支付后下载全文，论文总字数：30046字