基于RSSI位置指纹的室内定位优化

阅读量：

145

作者：

邵剑飞

展开

摘要：

随着移动智能终端和无线网络的广泛普及,基于位置服务(Location Based Services, LBS)的应用需求高速增长,在紧急救援,医疗保健,社交网络,导航和监控等领域受到越来越多的关注.由于LBS需要位置信息支持,定位技术的发展与LBS的发展紧密地联系在了一起,高性能定位是实现高质量LBS的前提和关键.根据使用场景的不同,定位技术主要分为室外定位和室内定位.高度成熟的卫星定位技术和蜂窝网定位技术己成为业界在室外定位环境中事实标准技术.而由于复杂的室内环境,室外定位技术难以适用,因此室内定位技术逐渐显示出了良好的技术发展前景和巨大的应用市场空间.其中,基于接收信号强度值(Received Signal Strength Indicator, RSSI)位置指纹的室内定位技术由于覆盖范围广,定位精度高,部署简单,定位系统成本低等优点,成为近年来室内定位领域的一个研究热点.本文针对基于RSSI位置指纹室内定位的不同问题进行改进优化,做出如下贡献:第一,针对RSSI位置指纹定位系统中存在定位结果误差和波动大,指纹空间搜索大等问题,在分析了指纹相似性与定位误差的内在关系后,提出了一种基于位置连续性的指纹定位算法.该算法基于朴素贝叶斯方法,引入图论方法,利用位置连续性缩小搜索空间.一方面可以去除位置歧义点,降低重大定位误差的发生概率,防止定位结果巨大跳跃.另一方面可以有效降低大场景下的实时定位计算开销.第二,针对采用基于最小错误率贝叶斯方法的室内定位算法在平均定位误差上并非最优的问题,提出一种平均定位误差最优的基于最小风险贝叶斯方法的指纹定位算法.该算法将最小风险贝叶斯方法应用到室内定位领域,引入定位误差损失,将位置间的欧式距离或路径距离作为损失度量,使每次定位期望误差到达最小,实现平均定位误差最优,同时避免了实际定位效果和数据评估结果相悖的现象.第三,针对连续定位算法存在较大累积误差和共振误差的问题,提出一种将定位过程局部化的基于隐马尔科夫模型的室内定位融合算法.该算法结合惯性定位的思想,使用加速度传感器,通过隐马尔科夫模型将指纹定位过程转化成连续的轨迹片段,降低整个定位过程的耦合性,以减小连续定位过程中的累积误差和共振误差,实现较高的定位精度和稳定性.

展开

关键词：

无线定位 室内定位 RSSI位置指纹 位置连续性 最小风险贝叶斯 隐马尔科夫模型