论文总字数：20181字

摘 要

随着现代经济发展，基于位置的服务已成为大众日常生活中重要的一部分。办公室作为一个工作场所，员工的位置服务受复杂室内环境的影响，难以快速确定自身位置。针对员工位置定位精度低等问题，本文基于iBeacon设备，研究非测距定位中两阶段的关键技术，通过引入高斯核密度估计法检验初始异常值，选取卡尔曼滤波算法滤波提取原始数据特征值，然后选用WKNN算法进行实时定位。实验表明，卡尔曼滤波算法在保证定位效率的同时可提高定位精度。

关键词：室内指纹定位 卡尔曼滤波 高斯核密度 iBeacon WKNN算法

Research on Indoor Positioning Method and Application Based on Kalman Filter

Abstract

Location-based service has become an important part of people's daily life with the development of modern economy,. As a workplace, the location service of employees is affected by the complex indoor environment, so it is difficult to quickly determine their own location. According to low accuracy of staff position location problem, this article is based on iBeacon equipment, fingerprint study position of anomaly detection and eigenvalue extraction of two key technologies, with the introduction of gaussian kernel density estimation method of testing the initial outliers, selection of kalman filtering to extract the characteristic value filtering algorithm, and then choose WKNN algorithm for real-time positioning. Experiments show that the kalman filtering algorithm in the guarantee of targeting efficiency at the same time can improve the positioning accuracy.

Key words: indoor fingerprint location; kalman filter; gauss kernel density; iBeacon; WKNN algorithm

目 录

摘 要 I

ABSTRACT II

第一章 绪论 1

1.1 研究背景 1

1.2 国内外研究现状 1

1.3 主要研究内容 2

第二章 基于卡尔曼滤波的室内定位技术 4

2.1 常用室内定位技术对比分析 4

2.1.1 常见室内定位技术 4

2.1.2 WiFi与iBeacon技术对比分析 5

2.2 卡尔曼滤波算法 6

2.2.1 卡尔曼滤波算法原理 6

2.2.2 方程的建立 6

2.2.3 初值的初始化 8

2.3 基于RSSI的指纹室内定位技术 9

2.3.1 iBeacon概述 9

2.3.2 测距定位 10

2.3.3 非测距定位 11

2.4 本章小结 12

第三章 滤除信号奇异值的指纹定位方法研究 13

3.1 指纹库数据预处理方法分析 13

3.1.1 影响室内定位因素 13

3.1.2 高斯核密度估计法剔除低概率RSSI 15

3.1.3 三倍中误差剔除异常值 16

3.2 信号异常值滤除方法 16

3.2.1 卡尔曼滤波算法应用于数据指纹库建立 17

3.2.2 实时定位算法分析 17

3.3 本章小结 18

第四章 模拟实验与结果分析 19

4.1 实验概况 19

4.1.1 实验环境 19

4.1.2 iBeacon基站布设方案 19

4.1.3 RSSI原始数据采集 19

4.2 数据处理及分析 20

4.2.1 数据预处理 20

4.2.2 卡尔曼滤波算法滤除指纹库异常值 21

4.2.3 分析不同卡尔曼滤波算法初值对滤波效果的影响 22

4.3 本章小结 22

第五章 总结与展望 24

5.1 总结 24

5.2 展望 24

参考文献 26

致 谢 28

绪论

1.1 研究背景

基于位置的服务（Location-based Service，LBS）的需求量随着互联网技术的迅速发展也在快速增加，LBS在如今的各行各业中受到很高重视。在室外环境中，依靠全球定位系统（global positioning system，GPS）信号，可实现较精准的室外定位。在室内环境中，GNSS信号受墙体遮挡等多种因素影响，难以获得GNSS信号。为满足室内基于位置的服务的需求，国内外的科研人员在室内定位领域中进行不断的摸索实验，通过红外线、Wi-Fi、iBeacon、超宽带（ultra-wideband，UWB）、射频识别（radio frequency identification，RFID）、惯导（inertial navigation system，INS）等技术实现了室内定位的功能，为广大室内用户提供了室内位置服务。

在地下停车场、车间、办公楼等诸多复杂室内环境中，室内定位的过程由于受到墙体遮挡、室内人员扰动、多径效应等多种复杂因素的影响，导致定位误差偏大，定位精度不能满足要求。通过各种方法在不消耗过多成本的前提下提高室内定位的精度成为当下的研究热点。

卡尔曼滤波法是一种可以有效滤除高斯噪声，抑制定位信号突变的自回归滤波算法。在基于外置信源（信号指纹库）的室内定位技术中，通过卡尔曼滤波法对室内定位系统过程进行滤波处理，能够有效滤除定位过程中信号发生的突变，使定位精度明显提高，从而更好地适应室内环境。基于卡尔曼滤波的室内定位技术的相关研究尚且较少，多数研究人员对卡尔曼滤波法的应用局限于在室内定位系统过程中某一环节的一次应用，尚无有关卡尔曼滤波法二次应用于数据处理的研究。

1.2 国内外研究现状

请支付后下载全文，论文总字数：20181字