• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于改進型KNN算法和Android平臺的室內定位技術研究

      2018-03-24 09:36:24李昂肖甫李雷
      物聯(lián)網(wǎng)技術 2018年3期
      關鍵詞:Android平臺精度

      李昂 肖甫 李雷

      摘 要:通過分析基于WiFi定位的傳統(tǒng)位置指紋算法的不足之處,文中提出了一種旨在提高精度并減小計算復雜度的改進型KNN算法。通過Android平臺對該算法進行實現(xiàn)和測試,分析比較K的取值、AP的位置及數(shù)量等因素對定位精度的影響。測試結果表明,該算法不但能夠保證位置指紋室內定位的精度,還能有效減小計算復雜度,具有一定的可行性。

      關鍵詞:精度;計算復雜度;改進型KNN算法;Android平臺

      中圖分類號:TP301;TN92 文獻標識碼:A 文章編號:2095-1302(2018)03-00-05

      0 引 言

      伴隨著互聯(lián)網(wǎng)應用的快速發(fā)展,人們在室內停留的時間越來越多,室內位置信息對人們的日常生活愈加重要,因此人們對室內定位有著愈發(fā)強烈的需求[1-3]。由于利用GPS和AGPS這兩種定位方式進行室內定位時,信號會受到各種障礙物的遮擋[4],因此亟待出現(xiàn)新型的室內定位方式。

      隨著無線局域網(wǎng)絡(Wireless Local Area Networks,WLAN)遍布各地,智能手機和平板電腦等個人電子設備發(fā)展迅速,這些設備幾乎都使用WiFi連接網(wǎng)絡,用戶可使用WiFi進行定位[5-7]。iOS,Android和WP是目前三大主流移動操作系統(tǒng)。其中,Android系統(tǒng)所占的市場份額日益增大,因此完全可以選擇Android系統(tǒng)作為載體,設計基于WiFi的室內定位系統(tǒng)[8-11]。本文基于Android平臺設計了一種基于改進的位置指紋算法,首先收集采樣點的信號強度值信息,并將其保存到數(shù)據(jù)庫中,然后將定位時的數(shù)據(jù)和數(shù)據(jù)庫相互對比進行估算,得到所要定位的坐標信息。

      1 基于WiFi的室內定位技術簡介

      雖然目前實現(xiàn)WiFi室內定位的方法有很多,但主要使用基于測距的定位方法。其中基于RSSI的定位方法最受關注[12-16]?;赗SSI的定位算法流程如圖1所示。

      2 傳統(tǒng)位置指紋定位技術

      目前,在研究基于WiFi的室內定位時,位置指紋定位技術使用較多[17-21],受到了廣泛關注。

      2.1 技術原理

      基于位置指紋定位算法的原理圖如圖2所示。

      從圖2可以看出,位置指紋定位算法主要包括離線工作階段和在線工作階段。離線階段即數(shù)據(jù)收集階段,首先選擇一個區(qū)域,從中選取多個采樣點,然后收集這些點WiFi信號的強度值RSSI,并將其作為位置指紋保存到指紋數(shù)據(jù)庫中。在這個指紋數(shù)據(jù)庫中,每個指紋都由一組RSSI值組成,且對應一個位置坐標。在線階段即定位階段,將待測目標定位的信息與指紋庫進行匹配,最后估算出當前位置坐標,完成定位[22]。在WiFi環(huán)境下,使用位置指紋定位算法RSSI定位工作過程如圖3所示。

      在選取的定位區(qū)域中,l個采樣點可以收集n個RSSI值來表示一個指紋,遍歷所有采樣點并獲得各自的RSSI值,保存于指紋庫中。指紋庫內容如式(1)所示:

      其中:RSSIji表示在第i個采樣點所測的WiFi信號的第j個RSSI值;FPi=(RSSI1i,RSSI2i,…,RSSImi)表示任意一個位置的指紋數(shù)據(jù),同時該指紋數(shù)據(jù)也可用坐標(x,y)表示。因此,指紋數(shù)據(jù)與坐標相互對應,其坐標如式(2)所示:

      位置指紋數(shù)據(jù)庫由式(1)和式(2)共同組成。

      除了在離線階段創(chuàng)建一個比較準確的指紋數(shù)據(jù)庫,在線階段指紋庫的匹配算法也十分重要[23]。常用的匹配算法有最近鄰法、K近鄰法和加權K近鄰法。

      (1)最近鄰算法(NN)

      最近鄰算法是一種比較常用的匹配算法,當待測目標進入定位所選區(qū)域時,可獲得一個相關的指紋信息lf=(RSSI1,RSSI2,…,RSSIn),然后將這個指紋信息與指紋數(shù)據(jù)庫中的信息相匹配,再算出它們之間的距離,其距離如式(3)所示[24,25],其中距離最小也就是相似度最大指紋信息min(d(lf,F(xiàn)Pi)),即待測目標的位置。

      式中:RSSIj和RSSIji分別為定位點和指紋點的強度值;n是WiFi信號的個數(shù)。

      最近鄰算法操作十分簡單,且容易實現(xiàn),但是其可選擇的參考點較為單一,定位時容易產生誤差,精度不高。

      (2)K近鄰算法(KNN)

      相較于最近鄰算法,K近鄰算法可選擇的參考點有所增多。匹配待測目標的指紋信息,并找出與指紋數(shù)據(jù)庫中最近鄰的K(K>2)個指紋信息,通過計算坐標的平均值就可以估算出待測目標的位置,其位置如式(4)所示[26,27]:

      式中:(xi,yi)是被選擇的第i個指紋數(shù)據(jù)庫中的信息所對應的坐標。

      (3)加權K 近鄰法(WKNN)

      加權K近鄰法是對K近鄰法的一種改進。K近鄰法選取的K個最小距離對最后的定位結果貢獻相同,取平均值,但距離越小對定位結果坐標的貢獻越大。因此,對所取的K個最小距離進行權值分配,距離越小,權值越大。K個權值ωk之和為1。ωk可自行設定,也可由式(5)計算得出[28,29]:

      2.2 技術性能與存在的問題

      當前的位置指紋算法雖然可以實現(xiàn)室內定位,但該算法依然存在一些問題,主要體現(xiàn)在以下方面:

      (1)算法模型過于簡單,僅能滿足較為簡單的室內環(huán)境的定位要求。當室內環(huán)境較為復雜,如家具等陳設較多、有移動物體或人走動時,該傳統(tǒng)算法的定位精度無法滿足要求。

      (2)該算法在線工作階段的運算量較大,尤其當AP個數(shù)較多或K取值較大時,運算量急劇增長,無疑增加了該算法的運行成本和復雜度。

      3 一種改進的KNN算法

      考慮到上述傳統(tǒng)位置指紋算法存在的問題,對傳統(tǒng)位置指紋算法作如下改進:

      (1)面對更復雜的室內環(huán)境,應當建立更加符合實際的模型。傳統(tǒng)位置指紋算法的模型主要采用MK模型,如式(6)所示:

      L(d)=L+10nlgd+NωLω+NfLf (6)

      其中:L表示距離發(fā)射端1 m處的傳播損耗;n是路徑傳播損耗系數(shù);d是發(fā)射端到接收端的距離;Nω和Nf分別是傳播路徑上穿過的墻壁和地板個數(shù);Lω和Lf 分別是墻壁和地板的損耗系數(shù)??梢?,傳統(tǒng)模型對于室內環(huán)境只考慮了墻壁和地板,而對于更復雜的情況沒有考慮。

      因此提出一種新的更符合實際的模型,充分考慮了除墻壁和地板外包括人在內的其他障礙物,如式(7)所示:

      式(7)與式(6)的不同之處在于最后一項,假設共有m種障礙物,Pi表示遇到第i種障礙物的概率,可以通過最小二乘法計算得出;Ni表示穿過第i種障礙物的個數(shù),Li表示第i種障礙物的損耗系數(shù)。

      (2)針對運算量較大的問題,提出一種減少運算復雜度的新方法。經試驗證明,在RSSI算法中,信號強度的衰減速度與傳輸距離成指數(shù)關系,即距離小時衰減快,距離大時衰減慢。尤其當?shù)竭_一定距離后,其衰減速度趨于平緩,即信號強度變化較小。因此,如果按照傳統(tǒng)KNN算法讓所有的RSSI值都參與到計算中,勢必會造成較大的冗余開銷。

      基于上述現(xiàn)象,需確定一個距離閾值,大于該距離時RSSI變化較小,可以舍棄,而小于該距離時則為有效點,應予以采納。由此可較大程度地減小運算量。在實際仿真中發(fā)現(xiàn),該門限距離取8 m和10 m時定位精度差距不大,但運算量減小了約50%。

      對于運算和精度有同樣重要影響的還有AP的個數(shù)與算法中K的取值。仿真試驗表明,AP的個數(shù)對于精度和運算量影響巨大。當AP數(shù)量增加且分布較均勻時,定位的精度較高,但同時運算量較大。而K的取值對于精度和運算量的影響則呈現(xiàn)出不同的規(guī)律,并非K的取值越大精度越高。因此,AP的個數(shù)與K的取值應當在精度和運算量之間權衡。

      綜合上述兩個方面的改進,本文提出了一種用于室內定位的改進KNN算法。

      4 改進KNN算法的Android實現(xiàn)與測試

      本文所設計的定位系統(tǒng)包括收集部分和定位部分,客戶端為Android移動端APP,在運行時用戶首先通過收集模塊將采樣點信號的信息提交給數(shù)據(jù)庫,然后定位時將定位信息與數(shù)據(jù)庫進行匹配,即可估算出位置。這款軟件的理論設計內容如圖4所示。

      4.1 實現(xiàn)

      (1)收集模塊設計

      當位置指紋定位算法處于離線收集階段時,首先需要選取合適的區(qū)域進行信息收集,理論上需要在選取的區(qū)域內放置4個無線路由器,其WiFi信號的強度值RSSI比較穩(wěn)定,測試結果誤差較小,但本文的收集模塊選用4個隨機WiFi信號以及各自對應的強度值作為參考點。然后在區(qū)域內選取若干個采樣點,其位置已知,將檢測到的每個采樣點的4種信號強度值均放入創(chuàng)建的指紋數(shù)據(jù)庫中,此時指紋庫中的每個采樣點將由一系列RSSI值組成[30]。如果此時的室內環(huán)境發(fā)生變化,那么RSSI值也將發(fā)生變化且定位出現(xiàn)誤差[31]。收集模塊流程如圖5所示。

      (2)定位模塊設計

      當位置指紋定位算法處于在線定位階段時,首先獲取待測目標位置的RSSI值,然后使用本文提出的改進KNN算法即可估算出待測目標的位置。定位模塊流程如圖6所示。

      (3)指紋數(shù)據(jù)庫設計

      考慮到數(shù)據(jù)量并不龐大,因此選擇SQLite數(shù)據(jù)庫。創(chuàng)建的數(shù)據(jù)庫如圖7所示。

      4.2 測試方案與結果分析

      (1)測試方案

      在本次測試中選取了C104,C108,C112三間教室和大廳作為測試場地。

      在這三間教室中,C112面積最大,約10 m×10 m;C104與C108面積較小且相近,約7 m×7 m;而大廳面積與C112相近,但較為空曠,如圖8、圖9所示。計劃每間教室分別選取4個角落位置作為采樣點,三間教室共12個采樣點;而大廳內計劃選取6個采樣點,如圖10所示。本測試主要檢測在面積大小、AP個數(shù)、K取值和室內環(huán)境均不相同的條件下,所提出的改進KNN算法的性能。

      (2)測試結果

      教室C104,C108和C112測試結果見表1所列。

      從表1可知,由教室C104和C108所測得的4組數(shù)據(jù)的誤差系數(shù)明顯小于C112的數(shù)據(jù)。

      教室C108內有人時的測試結果見表2所列。

      由表2可知,相較于無干擾時的結果,有干擾時得出的定位誤差系數(shù)大,即誤差較大。大廳測試結果見表3所列。

      由表3可知,相較于環(huán)境復雜的教室,在較為空曠的大廳所獲得的誤差系數(shù)較小,較準確。

      (3)測試結果分析

      a.同一間教室有無干擾時的結果對比分析

      根據(jù)在教室C108測得的兩組數(shù)據(jù),對采樣點的真實位置和定位結果進行對比分析,如圖11所示。

      在圖11中,實心圓表示采樣點的真實位置,空心圓表示教室內無干擾時定位的結果,空心三角形表示教室內有干擾時定位的結果。真實位置和定位結果兩點相連,其連線直觀地顯示了兩點間的差距,這種差距即定位誤差。相較于教室內有干擾時的定位結果,無干擾時產生的誤差明顯較小。

      b.大小相近的教室與空曠空間的結果對比分析

      在教室測試的數(shù)據(jù)里隨機抽取6組并與在大廳測試的數(shù)據(jù)進行對比分析,如圖12所示。

      在圖12中,折線1表示教室內采樣點的測試誤差系數(shù),折線2表示大廳內采樣點的測試誤差系數(shù)??梢院苊黠@地看出,折線1的誤差系數(shù)整體比折線2大,因此,在大廳內產生的誤差較小。

      5 結 語

      本文針對基于WiFi的室內定位常用的傳統(tǒng)KNN算法中存在的問題,提出了一種改進型KNN算法,在面對更復雜的室內環(huán)境時可以保證精度,并有效降低運算復雜度?;贏ndroid平臺對這一改進算法進行了實現(xiàn)和測試,測試結果表明,該算法達到了預期效果,具有一定的可行性。

      參考文獻

      [1] 姜樂水.淺談無線局域網(wǎng)(WLAN)技術[J].信息技術與信息化,2012(5):64-67.

      [2] 潘焱,田華,魏安全.無線通信系統(tǒng)與技術[M].北京:人民郵電出版社,2011:147-148.

      [3] 張瑞生,劉曉輝.無線局域網(wǎng)搭建與管理[M].電北京:子工業(yè)出版社,2011:14.

      [4] 劉智敏,陽凡林,獨知行.衛(wèi)星定位原理及應用的教學改革與實踐[J].測繪工程,2010,19(3):77-80.

      [5] 袁晶.大規(guī)模軌跡數(shù)據(jù)的檢索、挖掘和應用[D].合肥:中國科學技術大學,2012.

      [6] 王建平,余根堅,李曉穎,等.無線網(wǎng)絡技術[M].北京:清華大學出版社,2013:180-181.

      [7] 黎連業(yè),王安,李龍.無線網(wǎng)絡與應用技術[M].北京:清華大學出版社,2013:104-105.

      [8] 姜莉.基于WiFi室內定位關鍵技術的研究[D]. 大連:大連理工大學,2010.

      [9] 陳典全.LBS中基于軌跡的用戶行為特征分析[J].全球定位系統(tǒng),2011,36(6):58-61.

      [10] 羅紀清,萬恩秀.超聲引導下不同定位方法在體外碎石中的應用[J].檢驗醫(yī)學與臨床,2017,14(2):261-263.

      [11] 宋偉清,周廉,白濤,等.基于逐元暗電流抑制的紅外線探測器讀出電路研究[J].紅外,2015,36(4):13-19.

      [12] 熊永平,孫利民,牛建偉,等.機會網(wǎng)絡[J].軟件學報,2009,20(1):124-137.

      [13] 龔世雄.淺析RFID技術及其應用[J].中國科技信息,2013(3):52-53.

      [14] 高仁強,張曉盼,熊艷,等.模糊數(shù)學的WiFi室內定位算法[J].測繪科學,2016,41(10):142-148.

      [15] 盧恒惠,劉興川,張超,等.基于三角形與位置指紋識別算法的WiFi定位比較[J].移動通信,2010,34(10):72-76.

      [16] 李揚.WiFi技術原理及應用研究[J].科技信息,2010(6):241.

      [17] 賀遠華,黎洪生.距離幾何的TOA無線定位算法[J].計算機工程與應用,2010,46(12):112-114.

      [18] 魯?shù)び?,高春利,劉浩?基于無線時鐘同步的超寬帶TDOA定位系統(tǒng)設計[J].節(jié)能, 2017,36(1):66-68.

      [19] S TOMIC,M BEKO, D RUI,et al. Distributed RSS-AoA based localization with unknown transmit powers[J].IEEE wireless communication letters, 2016,5(4):1.

      [20] 薛衛(wèi)星,邱衛(wèi)寧,花向紅,等.RSSI信號特征值對WiFi室內定位精度的影響分析[J].測繪地理信息,2016,41(4):23-26.

      [21] 孫學康,劉勇.無線傳輸與接入技術[M].北京 :人民郵電出版社,2010:298-301.

      [22] 趙小東.Android平臺下基于無線信號強度的定位系統(tǒng)的實現(xiàn)[D]. 哈爾濱:哈爾濱工業(yè)大學,2011.

      [23] 王淑婷.基于位置指紋的WiFi定位算法研究[D].長春 :吉林大學,2015.

      [24] CHEN L, L? M, QIAN Y. A personal route prediction system based on trajectory data mining[J].Information sciences an international journal. 2011,181(7):1264-1284.

      [25] 王陽,葉芝慧,馮奇,等. 基于Android的室內WiFi定位系統(tǒng)設計與實現(xiàn)[J].電子測量技術,2016,39(9):16-19.

      [26] 王考杰,鄭雪峰,宋一丁,等.面向軌跡數(shù)據(jù)流的KNN近似查詢[J].計算機工程,2011,37(16):17-20.

      [27] 李偉.Android中人為改變程序生命周期的研究[J].計算機應用與軟件,2013,30(9):205-207.

      [28] 羅利.基于Android的WiFi室內定位技術研究[D].成都:西南交通大學,2014.

      [29] 卞國龍,黃海松,葛至崢,等.無線傳感器網(wǎng)絡節(jié)點定位技術的優(yōu)化[J].激光雜志,2017,38(3):69-74.

      [30] 張建平.基于WiFi的室內定位系統(tǒng)設計和算法研究[J].自動化技術與應用,2016,35(12):53-56.

      [31] MAHAJAN R,BALASUBRAMANIAN A,VENKATARAMANI A,et al. Interactive WiFi connectivity for moving vehicles[J].Proceeding of sigcomn,2013, 38(4):427-438.

      猜你喜歡
      Android平臺精度
      超高精度計時器——原子鐘
      分析誤差提精度
      基于DSPIC33F微處理器的采集精度的提高
      電子制作(2018年11期)2018-08-04 03:25:38
      基于Android平臺軟件開發(fā)技術研究
      科技資訊(2016年25期)2016-12-27 18:46:40
      基于Android平臺的人臉識別系統(tǒng)設計與實現(xiàn)
      基于Android平臺的健康醫(yī)療APP設計與開發(fā)
      Android手機主題設計 
      軟件導刊(2016年9期)2016-11-07 18:34:46
      基于Android的Python語言英漢維電子詞典設計與實現(xiàn)
      基于Android平臺的即時通訊系統(tǒng)的設計與實現(xiàn)
      GPS/GLONASS/BDS組合PPP精度分析
      昌乐县| 建始县| 奉贤区| 太仆寺旗| 睢宁县| 喀喇| 上虞市| 昌江| 大竹县| 陇南市| 吴川市| 鹤岗市| 蒲江县| 兴城市| 辰溪县| 岑巩县| 二连浩特市| 浮山县| 青神县| 木里| 三明市| 南宫市| 逊克县| 汕头市| 天全县| 德钦县| 那曲县| 利津县| 潍坊市| 巴南区| 长春市| 湾仔区| 郸城县| 蕲春县| 招远市| 南召县| 张家港市| 上饶市| 大城县| 托克逊县| 杭锦旗|