基于多目标空间分析的室内无线AP布局优化及定位研究

With the increasing needs of indoor positioning, studies on the improvement of positioning precision have increasing become a hot area. As far as studies on positioning were concerned, most of them trained data by using different methods at different stages to improve the positioning precise based on the signal propagation model and the fingerprint model, and have the purpose of reducing the training data and overcoming the interference of environmental dynamic factors. However, an important fact was ignored by the previous studies that is an optimized wireless AP layout and accurate fingerprint database would not only provide a basis for indoor positioning, but also have an important impact on the positioning accuracy. This project aims to conduct exploratory analysis based on the importance of two factors above. First of all, the multi-index and multi-mode analysis and assessment on the existing AP layout in particular environment are conducted in order to realize the construction and optimization of AP layout with multi-objectives in the similar or the same environment, preparing for comprehensive positioning. Moreover, based on the optimal AP layout, spatial sampling, spatial analysis and intelligent algorithm are adopted to elect representative locations for data calibration. As a basis of the fingerprint database, which would provide a good foundation for precise positioning. This project would not only complement the current positioning algorithm, but also open up a new idea to optimize the positioning.

随着室内定位需求的日益增多，对提高定位精度的研究也日趋成为热点。目前关于定位方面的研究，大多应用信号传播模型和指纹模型，以减少训练数据和克服环境动态因素为目标，通过在不同阶段采用不同方法对采集数据进行训练，来达到提高定位精度的目的。但前述研究方法却忽略了一个重要事实，就是一个无线AP布局和基于该布局的指纹数据库不仅为室内定位提供前提，还对定位精度产生重要影响。 基于二者的重要性，本项目将对其进行探索性分析：一、通过对特定环境中已有的AP布局进行多指标和多模式的分析和评估，来实施相似或相同环境下AP布局的多目标构建（无AP布局）或多目标优化（已有AP布局），从而为全面定位提供准备；二、基于优化的布局环境，通过空间抽样、空间分析和智能算法，选出具有代表性的位置进行数据标定，作为指纹数据库的基础，从而为精确定位提供良好的根基。本项目的研究不仅是当前定位算法的一种补充，而且开辟了优化定位的新思路。

分析不同环境中影响无线AP布局的因素，并将其分析结果应用于基于多目标优化方法构建AP布局的研究及应用中：采用圆的内切正方形为区域划分单位，对实验环境进行划分（预先排除不满足条件区域），其正方形个数为均匀布局方案中的AP个数（总体），其中心位置即为AP位置；随后，采用多目标智能计算对均匀布局方案进行优化，本环节的部分研究结果应用于两名本科生的毕业设计系统中。.根据具体环境分析AP布局的不确定性，设计和实现了两种室内定位的优化思路。（1）特征自适应的在线序列极速机器学习算法（FA-OSELM），主要针对环境中无线AP布局存在不确定性（增加或减少）时带来的模型构建中出现属性缺失和增加的情况提出来的；本研究基于ELM算法，将原始模型转换成仅使用带有新属性的少量数据构建的新模型，从而使得新模型既继承了原始模型的特点又可适应新属性信息。（2）融合ELM算法、WIFI指纹定位算法、粒子群算法和运动传感器来实现实时和高精度的室内定位；首先分析了与定位相关的传感器，得出速度与加速度和陀螺仪相关，方向与方向传感器和地磁场相关；随后分别构建了基于速度和方向的ELM回归模型来计算方向和速度；然后进入粒子滤波阶段后，执行预测、校正、更新、重采样直到最终的定位，但随着用户连续定位时间的增加，累积误差也在不断增大；故最后采用了WIFI指纹定位方式进行校正以提高定位精度。两种思路在无线AP布局存在不确定性的情况下，均可获得良好性能。.分析实现高精度室内定位的多个潜在因素，作为基于无线AP布局存在不确定性时WIFI指纹定位的互补方案。（1）基于环境中的地磁场数据采用混合学习方法实现室内定位，本研究融合了Kalman滤波、ELM学习算法和KNN算法等，定位精度可达85%。（2）基于经验模态分解的周期性分析实现室内定位，将地磁场数据经验模态分解为稳定和变化组分，随后建模、特征提取和分析以实现定位。（3）基于多种传感器指标数据的分类和聚类分析实现室内定位。三种研究思路均可作为无线AP存在不确定性时WIFI指纹定位的有效补充。.基于多模式的室内兴趣点的选择和标定研究。以用户逛商场为例研究兴趣点的选取，首先收集用户的活动轨迹，并检测停留点和生成停留点序列，随后采用DBSCAN的密度聚类算法实现重要位置的提取和标定。此外，本研究中，根据选定的兴趣点还实现了个性化的商品和店铺推荐，完成了基于微信公众平台的推荐系统