日常生活中使用GPS(global position system)进行定位,但GPS无法在室内工作,准确地进行室内定位成为研究的热点之一。在早期的研究中,围绕Wi-Fi指纹进行了大量的实验与改进,但Wi-Fi指纹受到环境因素制约,定位误差较大。针对这一问题,提...日常生活中使用GPS(global position system)进行定位,但GPS无法在室内工作,准确地进行室内定位成为研究的热点之一。在早期的研究中,围绕Wi-Fi指纹进行了大量的实验与改进,但Wi-Fi指纹受到环境因素制约,定位误差较大。针对这一问题,提出一种多信息融合的室内定位算法。首先通过Wi-Fi指纹进行粗略的定位,获取Wi-Fi接入设备的MAC地址以及其信号强度RSSI(received signal strength indication),通过kNN(k nearest neighbor)算法进行分类,得到top-n候选集。再通过地磁信号与图片信息进行候选集的过滤。最后利用社交信息,给出人在室内的最终定位结果。在Android平台和服务器上对该系统进行验证,实验结果表明提出的多信息融合的方法比Wi-Fi指纹的定位算法精度明显提高。展开更多
文摘日常生活中使用GPS(global position system)进行定位,但GPS无法在室内工作,准确地进行室内定位成为研究的热点之一。在早期的研究中,围绕Wi-Fi指纹进行了大量的实验与改进,但Wi-Fi指纹受到环境因素制约,定位误差较大。针对这一问题,提出一种多信息融合的室内定位算法。首先通过Wi-Fi指纹进行粗略的定位,获取Wi-Fi接入设备的MAC地址以及其信号强度RSSI(received signal strength indication),通过kNN(k nearest neighbor)算法进行分类,得到top-n候选集。再通过地磁信号与图片信息进行候选集的过滤。最后利用社交信息,给出人在室内的最终定位结果。在Android平台和服务器上对该系统进行验证,实验结果表明提出的多信息融合的方法比Wi-Fi指纹的定位算法精度明显提高。
