● 摘要
近几年来，人们见证了无线室内定位技术经历了一段急速发展的时期。随着WiFi接入点大量的部署在公共环境中，许多已知的定位方法利用了这些现存的WiFi 接入点进行室内定位技术的热点问题研究。其中，基于WiFi 指纹的室内定位技术已广为使用并得以发展了数年之久。但是，大多数的解决方案需要进行现场勘查，采集采样点的指纹信息并构建指纹数据库。这样既消耗人力又浪费时间，且增加了移动设备的功耗。为了解决这一问题，本论文提出了基于低功耗的ZigBee 识别WiFi AP 的方法以减少移动设备的功耗，无需用户直接参与的众包方式采集WiFi 样本的方法，并设计实现了基于WiFi 指纹和多维尺度分析的室内定位原型系统。本论文的主要贡献如下：
1、研究了基于ZigBee 探测WiFi AP，并生成WiFi 指纹的室内定位方法。由于WiFi 接口进行长时间的数据采集会产生极大的功耗，因此利用低功耗的ZigBee 代替了WiFi 进行WiFi AP 的探测和识别。设计了一种定位模块，包括一种WiFi 指纹匹配算法和加权的距离度量方法。WiFi 指纹匹配算法通过循环移位找到两两WiFi 指纹的最佳匹配情况。之后通过比较实验表明，基于曼哈顿距离加权的度量方法的定位精度最高，实现了约87%定位精度的房间级室内定位。
2、采用无需用户直接参与的众包方式采集用户的行为数据及用户运动路径上的WiFi 样本，并设计了指纹模型以获取每个样本点的WiFi 指纹。考虑到用户的转弯及路径之间出现的不可避免的重叠，为了正确的识别出样本点的WiFi 样本，首先利用转弯的信息区分出走廊和房间的数据，然后利用指纹间的相似性识别两两指纹是否属于同一样本点。提出了一种改进的多维尺度分析算法MDS-C，将WiFi 指纹间距离通过线性变换转换到高维空间，得到绝对坐标矩阵，并使用锚节点的匹配将绝对坐标进行校正，以达到准确室内定位的目标。
3、研究了基于WiFi 指纹和多维尺度分析的室内定位方法，研究并实现了基于WiFi 指纹和多维尺度分析的室内定位原型系统WicLoc。该原型系统采用客户端/服务器架构，客户端进行众包方式的数据采集，服务器负责数据预处理，生成WiFi 指纹，并实现房间级的室内定位。实验表明，WicLoc 系统的定位误差在4.65 米左右，优于目前先进的室内定位系统如LiFS 和EZ。