基于Android平台的室内外无缝定位系统开题报告

1. 研究目的与意义（文献综述）

提起定位导航，大家首先想到的是 gps，中国也推出了自己的卫星定位系统北斗卫星定位系统。但是，卫星定位只能用在室外环境，一到室内，由于导航信号衰减太快，卫星定位就无法使用。

十多年以来，为了解决室外定位导航 “最后一公里” 的问题，科技巨头和研究机构在室内定位技术方面开展了大量的研究，如基于移动通信网络的辅助 gps（a-gps）、伪卫星（pseudolite）、无线局域网（wlan）、射频标签（rfid）、zigbee、蓝牙（bluetooth，bt）、超宽带无线电（ultrawideband，uwb）、地磁其他卫星或地面数字通信及广播信号、红外定位、光跟踪定位、计算机视觉定位、超声波定位等。这些技术有些是以导航定位为专门或主要用途，例如伪卫星；有些则主要用于通信，但同时也能提供定位服务，例如无线局域网。

室内定位技术发展有两个方向：广域室内定位技术和局域室内定位技术。广域室内定位技术的代表是北邮的 tc-ofdm、澳大利亚的 locata 和美国高通公司的方案，这些都是承载到广域网上实现广域覆盖的；局域室内定位技术的代表是 wi-fi、蓝牙、zigbee、rfid 等定位方案，这些都是承载到局域网中实现局部区域的覆盖。广域室内定位技术通常需要改造基站及手机芯片等设备模块，成本巨大、时间周期较长。局域室内定位技术成本较低、周期短，是目前商业化推广运作较好的选择方案。所以下文我们主要谈谈关于局域室内定位的几种技术：

2. 研究的基本内容与方案

wifi定位主要利用模型法和指纹法来进行定位，其中，模型法对热点位置、接收角度等要求较高，且需要知道热点所在的位置。而指纹法则依靠指纹库来进行定位，指纹库中记录了参考点接收的各个ap（即热点）的强度 以及参考点的位置 ，由于通常状态下参考点接收的ap个数不唯一，因此表示参考点接收的第n个ap的信号强度值。通过比对定位点与参考点强度的相似程度可以确定两者位置的相似程度，并实现定位。

目前，基于wifi信号指纹的主要定位算法有knn算法（k最近邻算法），wknn算法（加权k最近邻算法）以及神经网络算法[10]和概率算法。

指纹定位需要利用离线阶段采集到的数据，来保证定位阶段的定位精度和效率。离线阶段的工作直接影响到实际定位时的定位效果。在实际的定位中，ap的选取非常重要，设ap的总集为o，设为i点可接收的全部ap的强度向量。但这样进行定位一方面会加大计算量和算法复杂度，另一方面也可能会引入病态指纹数据，因此对ap进行约简，选取o中合适的ap组合来进行定位十分必要，本文采用了一种基于参考点聚类和ap约简的定位算法。

3. 研究计划与安排

2月17号—2月28号：毕业实习，搜集毕业论文相关材料；

3月3号—3月20号：完成任务书及开题报告；

3月21号—4月3号：翻译英文文献，并撰写绪论及论文中理论知识部分；

4. 参考文献（12篇以上）

[1] Bajaj, R; Ranaweera, S.L; Agrawal, D.P. GPS: location-tracking technology [J]. Computer, 2002, 35(3): 92-94.[2] Boston, Daniel; Mardenfeld, Steve; Pan, Juan (Susan);Leveraging Bluetooth co-location traces in group discovery algorithms[J]. Pervasive and Mobile Computing, 2014, 11: 88-105.[3] Zhong, Shunshi; Yan, Xiaorong; Liang, Xianling. UWB planar antennatechnology [J]. Frontiers of Electrical and Electronic Engineering in China,2008, 3(2): 136-144[4] Chris Nuttall in San Francisco. Wi-Fi location system launched in US [M],New Yrok: The Financial Times Limited,2005:20-24..[5] Christine Laurendeau; Michel Barbeau. Centroid Localization ofUncooperative Nodes in Wireless Networks Using a Relative SpanWeighting Method [J]. Journal of Wireless Communications and Networking, 2010, 2010(1): 1-10.[6] Hongbo Liu; Jie Yang; Simon Sidhom. Accurate WiFi BasedLocalization for Smartphones Using Peer Assistance [J]. IEEETransactions on Mobile Computing, 2014, 13(10):2199-2203.[7] Bisio, Igor; Cerruti, Matteo; Lavagetto, Fabio. ATrainingless Wi-Fi Fingerprint Positioning Approach Over MobileDevices [J]. IEEE Antennas and Wireless Propagation Letters, 2014, 13:832-835.[8] [Lei, Yaguo; He, Zhengjia; Zi, Yanyang; A combination of WKNN tofault diagnosis of rolling element bearings [J]. Journal of Vibration andAcoustics, 2009, 131(6): 1-6.[9] LI, YIBO; LIU, XITING; FUZZY LOGICAND NEURAL NETWORK BASED INDOOR FINGERPRINTPOSITIONING ALGORITHMS IN WiFi [J]. International Journal ofComputational Intelligence and Applications, 2014, 13(2): 13-25.[10] Galluccio, Laurent; Michel, Olivier; Comon, Pierre. Graphbased k-means clustering [J]. Signal Processing, 2012, 92(9): 1970-1984.[11] Frey, Brendan J; Dueck, Delbert. Clustering by passing messages between data points [J]. Science, 2007, 315(5814):972-976.[12] 基于三角形与位置指纹识别算法的WiFi定位比较 卢恒惠; 刘兴川; 张超; 林孝康[13] WiFi定位技术——基于质心定位的三边定位算法的研究 陆霞[14] 基于智能移动设备的室内定位研究 林浩[15] 基于wifi定位的仓储物料管理系统研制 金厚兵