异构无线网络中位置信息获取方法研究

在新一代异构无线网络中，用户的位置信息会直接影响网络间信息交换、处理和链接，也影响异构网络最优切换和无线资源有效利用。获取用户精细的位置信息可以为改进网络传输性能并为位置信息服务提供支撑。本课题研究的是异构无线网络中位置信息获取方法，即在异构无线网络中，利用各种无线网络结构特征，挖掘信息采集、处理和传输的先进理论，获取用户精细的小尺度位置信息，以及在分布、异构环境下，降低位置信息查询的数据流量，提高网络间位置信息传递效率的智能管理方法。

在新一代异构无线网络中, 获取用户精细的位置信息可以为改进网络传输性能并为位置信息服务提供支撑。本课题研究的是利用各种无线网络结构特征，挖掘信息采集、处理和传输的先进理论，获取用户精细的小尺度位置信息。提出了基于神经网络的室内指纹定位算法，通过聚类算法对离线阶段的指纹数据库进行分类，再进行神经网络的定位算法训练，从而降低复杂性，提高训练准确性，最后，进行在线阶段的指纹库匹配以及神经网络模型的位置估计，获取位置信息。针对指纹定位算法中指纹库采集，更新困难等问题，提出了一种指纹数据库重构算法，通过研究基于新的室内区域化传播模型（RPM）来降低采集指纹的工作量。最后，提出了基于粒子群优化（PSO）及卡尔曼滤波（KF）算法的定位追踪系统，来提高室内终端的定位追踪性能。