基于FM的定位技术研究

基于FM的定位技术研究

随着互联网技术和无线通信技术的的高速发展和智能移动设备

的普及,各种各样的面向移动设备的应用和服务相继出现,其中基于

位置服务的应用正逐渐走入人们的生活中并发挥重要作用。无线定位技术作为位置服务的核心技术,是人们关注的热点和难点。本文主要针对现有定位技术信号覆盖范围不广或者需要昂贵的硬件设备的缺点,提出采用调频广播实现对室内目标的定位,并将FM与Wi-Fi有效融合,发挥不同种类信号的优势,以获得更好的定位性能。本文通过对FM以及FM融合Wi-Fi的定位技术研究,获得如下成果和创新内容。首先,针对调频广播信号的特性,提出一种基于调频广播信号指纹定

位的方法,采用贝叶斯概率算法计算最大后验概率的方法得到相应的定位结果。同时,通过在实际环境中测得的位置指纹数据,从定位的角度分析FM信号的基本特性。这些特性包括设备可接收到电台的数量、FM信号概率分布、信号强度与位置的映射关系、天线对信号强度的影响、人在室内活动对信号强度的影响、样本容量对信号强度的影响。其次,通过对FM定位误差较大的问题的研究发现,FM信号存在信号强度会随时间的变化发生迁移,训练模型和定位数据不在同一时间段时,定位性能下降明显。本文针对FM信号动态变化对定位性能产生较大影响的问题,提出了动态射频指纹的FM定位方法。该方法采用多元线性回归和神经网络方法,根据离线阶段各个参考点和部分较准点的FM 信号强度的关系,使用在线阶段较准点的信号强度实时估计在线阶段参考点的信号强度。通过这两种方法建立具有自适应能力的动态射频

地图,并使用贝叶斯概率方法对目标进行定位。实验结果表明,相对静态射频指纹模型,采用多元线性回归的射频指纹动态映射模型,定位误差平均减少9.1%,采用神经网络的射频指纹动态映射模型,定位误差平均减少36.3%。神经网络的方法比多元线性回归模型更有效地抑制了射频信号动态变化对定位性能的影响。最后,本文结合FM和

Wi-Fi的优点,用多模融合的定位方法将两者有效融合,提出一种FM 和Wi-Fi融合定位方法。该多模定位方法比单一的FM或者Wi-Fi的的定位精度都要高,在一定程度上弥补了Wi-Fi定位系统的缺陷。