题目：基于WLAN室内无线定位技术的研究与实现

基于位置的服务通常定义为根据目标的位置而为其提供的增值服务，在日常生活中有着广泛的应用。无线位置感知技术利用无线信号强度来确定和跟踪移动设备的位置，是普适计算中的一项重要技术。随着无线通信技术的飞速发展，WLAN技术日益成熟，WLAN接入点（Access Point，AP）覆盖广泛，使得WLAN成为无线定位服务的支撑平台，因此基于WLAN的室内外定位系统已经成为一个热门的研究领域。本文从机器学习的方法入手，对无线定位技术进行了深入的研究。主要采用贝叶斯统计、半监督学习等方法，通过对无线信号强度特征的挖掘，来对移动设备进行定位。较之已有研究，本文在无线定位的精确度、稳定性以及训练代价上均有不同程度的改进，并将所提出的方法应用于实际系统中。具体包括以下几部分工作：在已有的基于学习模型的无线定位技术的基础上，研究基于核方法及马尔可夫链的定位算法，把节点定位看成贝叶斯理论中的最大后验概率计算问题，通过引入核函数法来充分利用观测与多个训练样本之间的相似性，并借助马尔可夫链来充分利用移动目标的历史状态和环境布局等信息，以提高定位算法适应目标位置动态改变的能力，从而提高定位算法精度与鲁棒性。借鉴机器学习领域中的半监督学习理论，研究基于图谱分解的半监督学习定位算法，以克服了现有基于有监督学习定位算法训练数据集采集代价过高的缺陷。该算法采用图Laplacian矩阵谱分解的方法，通过构建少量带标记训练数据与大量无标记训练数据之间的标记传播关系，对无标记训练数据进行标记，从而降低训练数据集的采集代价。基于所研究的室内无线定位技术，设计并实现一个基于无线信号强度的室内无线实时定位系统，该系统为处于室内无线环境中的移动设备提供实时的定位、跟踪服务，同时也能为其他基于位置的服务提供移动目标的位置信息。