论文部分内容阅读
随着科技的不断发展,人们对定位的需求日益增长,越来越关注基于位置的服务(Location-based Services,LBS)。典型的室外定位系统有全球定位系统(Global Positioning System,GPS)。GPS在室外的定位的精度比较高,但在室内环境中,有墙壁、屋顶等障碍物的复杂情况下,定位精度并不理想。基于WLAN的室内定位系统方案由于其成本低、定位速度快、无需额外硬件设备、适用范围广等特点得到了广泛的关注。但是,在实际应用中,基于WLAN的室内定位系统中由于异构终端(指纹库终端和定位终端型号不同)的问题,在同一个位置处指纹库终端和定位终端接收到各个接入点(Access Point,AP)的接收信号强度指示(Received Signal Strength,RSS)有差异,会导致定位偏差过大。针对当前WLAN室内定位系统中异构终端引起的定位偏差过大的问题,本文提出一种基于DBSCAN-GRNN-LSSVR算法的解决方案。本文使用最小二乘支持向量回归(Least Squares Supported Vector Regression,LSSVR)构建指纹库终端RSS和物理坐标位置的映射关系模型;列出校准点处定位终端和指纹库终端采集的RSS值,构成数据集,得到散点图;用具有噪声的基于密度聚类方法(Density-Based Spatial Clustering of Application With Noise,DBSCAN)剔除边界点和噪声点;用广义回归神经网络(Generalized Regression Neural Network,GRNN)构建定位终端和指纹库终端RSS的映射函数,通过映射函数对定位终端RSS进行转化;最后通过LSSVR模型定位待定位目标的位置。实验结果表明,与只用LSSVR算法相比,定位终端定位精度提高18-40%,有效解决了定位偏差过大的问题。然后,我们将本文提出的DBSCAN-GRNN-LSSVR算法应用于芜湖大浦科普植物园的定位中。由于芜湖大浦科普植物园内参观人数多,会对WLAN室内定位的精度造成一定的影响。为了保证定位的精度,因此我们将电子标签定位和基于位置指纹法的WLAN定位技术结合起来构成混合定位系统。通过实践表明该混合定位系统能够取得较为精确的定位效果。