随着探测技术的发展和大型室内场景的增多,室内定位技术已经在人们的生产生活中占据着不可替代的地位。大到军事、电力生产、医疗卫生、化工制造、交通物流和餐饮服务等领域,小到地下室、矿井和停车场等场所,各种室内定位技术展现着不同的优势。本文选取定位精度较高、安全度高、功耗及成本较低且组网方便的ZigBee定位技术。目前基于RSSI(Received Signal Strength Indication)接收信号强度指示的室内定位方法有邻近探测法、质心定位法、多边定位法、三角定位法、极点法和位置指纹定位法等。本文选取的基于位置指纹的定位算法,因其定位精度最高深受科研团队的喜爱,目前已经形成了NN、KNN和WKNN等多种公共认可的相似度匹配算法。本文主要研究和创新内容如下:(1)构建RSSI概率分布模型,对RSSI概率特征进行了系统的分析,并且在指纹库的优化处理时,使用了马氏距离与卡尔曼滤波对指纹库进行多次过滤。(2)提出了改进EMD距离的G-EMD、SG-EMD和DSG-EMD算法,对EMD距离进行了贪心、排序和动态排序的处理,有效的提升了定位的精度。(3)提出了基于RSSI特征值融合匹配的CPA-WKNN算法,其核心思想是利用不同RSSI特征值的优势,根据实时采集到的数据波动情况动态选取RSSI概率特征和RSSI平均数特征进行融合匹配。(4)实现了基于javaweb的位置指纹在线定位系统,对比WKNN算法和CPA-WKNN算法的真实定位效果,并可以实时监测RSSI波动和绘制行走轨迹。在仿真环境下,对比了预处理阈值、噪声强度和K值选取对定位效果的影响。当K值选取为8时,DSG-EMD算法得到了最高的平均定位精度,达到了0.62m,较WKNN算法精度提升了0.3m。然后在理想和复杂环境下,对比了WKNN、DSG-EMD和CAP-WKNN算法的定位效果,证明DSG-EMD算法更适用于理想环境,而CPA-WKNN算法更适用于复杂环境。在真实环境下,对比了KNN、WKNN、SG-EMD、DSG-EMD以及CPA-WKNN算法的定位精度,本文提出的DSG-EMD算法和CPA-WKNN算法较WKNN算法的平均定位精度分别提升了0.04m和0.07m,2m以内的累计误差概率分别达到了92%和96%。
暂无评论