基于KPCa-RBF神經網絡的WLAN室內定位方法研究.pdf

1、當今社會計算機科學和通信技術高速發(fā)展和普及，大眾人群對于位置服務(Location-based Services，LBS)的關注和渴求越來越高。無論是商業(yè)用途還是個人事務等多個領域，位置服務都有十分廣闊的運用前景。根據環(huán)境條件的不同，定位系統(tǒng)分為室內定位系統(tǒng)和室外定位系統(tǒng)。日常熟知和頻繁使用的系統(tǒng)有全球定位系統(tǒng)(Global Positioning System，GPS)和蜂窩網絡定位系統(tǒng)。這兩種系統(tǒng)在開闊室外環(huán)境中的定位效果不錯，但在

2、復雜的室內環(huán)境中，兩者定位效果不佳。
　　隨著無線局域網（Wireless Local Area Networks,WLAN）技術的普及和應用，大多數公共場所都部署了無線局域網絡，基于WLAN的室內定位系統(tǒng)方案變得具備可行性。由于基于WLAN的室內定位系統(tǒng)能夠利用已有的無線網絡，定位效果良好等因素，使得基于WLAN的室內定位技術相較于其余室內定位技術有較大的優(yōu)勢。本文通過對定位算法進行研究，主要的工作如下:
　　研究了無線信

3、號的傳輸特性和傳統(tǒng)的室內定位算法，并比較分析了各定位算法的優(yōu)缺點。此外，還總結歸納了影響信號傳輸的各種因素。
　　研究了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和徑向基(Radial Basis Function,RBF)神經網絡的WLAN室內定位算法。該算法首先利用KPCA提取指紋點位置的接收信號強度(Received Signal Strength,RSS)定位特征，

4、然后運用RBF神經網絡構建提取后獲得的RSS信息和位置坐標間的非線性關系，并利用此關系對測試點的位置坐標進行估計。
　　研究了幾種信號預處理的算法。分別利用這些算法對采集的RSS信號進行預處理，再利用RBF神經網絡構建預處理后的信號信息和位置坐標的非線性關系，利用此關系對測試點的位置坐標進行估計。最后通過對比實驗說明和分析各個算法的性能。
　　實驗結果表明，基于KPCA和RBF神經網絡的WLAN室內定位算法相較于傳統(tǒng)定位算法