题目：动态室内环境中Wi-Fi无线定位技术研究

随着Wi-Fi无线局域网越发普及，其基站、接入点等基础设施为小范围定位提供了潜在的可能性。无线室内定位技术是一项新技术，其目的在于定位使用无线网络的设备。由于该技术在电子商务、公共安全、军事等领域能够大量应用，并且成本低、使用门槛低，因此它正受到越来越多的重视。基于WIFI的定位技术研究所面临的主要问题是严重波动的接收信号强度（Received Signal Strength, RSS），这种波动即使在静态客户端中也会存在。本课题来源于对Wi-Fi定位工具的研究。目前Wi-Fi定位技术主要有两种方法，三角定位和指纹识别定位。三角定位方法的原理是将信号强度映射到计算距离的函数，从而得到位置信息，而指纹识别定位方法则创建给定位置处信号强度的概率分布，并利用这些分布图，预测给定位置的信号强度样本。这两种方法相比，三角定位方法的定位效果不理想，而指纹识别定位方法在各种方式的预测中都取得了良好的结果。本文根据RSS时变特性，研究了如何提高室内定位系统的精度和鲁棒性，并提出了三种不同的定位方法。第一种方法将接收信号强度指示（Received Signal Strength Indication, RSSI）和指纹识别定位方法结合来进行Wi-Fi定位。第二种方法则引入一种小波去噪滤波器作为前端预处理模块，以去除环境中无线电传播所产生的噪声，然后通过径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）利用RSS来估算位置。在第三种方法采用不进行滤波的动态神经网络（Dynamic Neural Network, DNN），该神经网络的功能是逼近环境中RSS在时间和空间中的分布情况，也就意味着，RSS时变特性是通过建模而非滤波得到。针对三种方法，首先通过使用两种类型的RSS：稳态和非稳态类型，在不同的典型环境中进行了仿真。然后，在实际环境中使用两种类型的接收机：笔记本电脑和手机，结合得到的RSS结果进行测量实验。本文所提出的后两种方法在仿真和实验中均表现出显著的性能改善。计算结果表明：与只使用径向基函数神经网络的系统相比，第二种方法（LARW）平均减少28%以上的平均距离误差，第三种方法（LAD）则平均减少超过30％的平均距离误差。