基于WiFi指纹的室内定位技术研究的开题报告.docx

基于WiFi指纹的室内定位技术研究的开题报告
一、选题的背景和意义
随着智能移动设备的普及，人们逐渐离不开室内定位服务。而传统基站定位技术的精度和覆盖范围都存在些许问题，因此室内定位技术成为了研究的热点。
基于WiFi信号的室内定位技术依托于WiFi的广泛应用，可以实现全网覆盖和高精度的实时定位。这种技术的研究，在推动商业应用，增强用户体验的同时，也为室内地图的实现提供了可靠的技术支持。
因此，本文拟研究基于WiFi指纹实现室内定位技术，希望提高室内定位的精度和覆盖范围，为商业应用和用户提供更好的服务。
二、选题的研究现状
目前，基于WiFi指纹的室内定位研究已有一定的进展，该技术主要包括指纹采集、指纹建模和定位三个方面。
指纹采集：指纹采集主要采用无线网络模块，收集WiFi信号强度、MAC地址等信号特征。
指纹建模：采集大量数据后，需要进行预处理、特征提取和特征选择等过程，使得数据能被简化为一定的模式。
定位算法：依据预先建立的指纹模型，采用机器学习、统计学或其他方法进行室内定位。
目前，基于WiFi指纹的室内定位技术已被应用于各种实际场景中，如大型商场、机场、医院、学校等。大多数研究关注的是算法本身的改进和优化，不过近年来也出现了一些基于WiFi指纹的室内定位商业解决方案，例如谷歌的IndoorMaps、微软的IndoorLocalization等。
但是，现有的室内定位技术仍存在不足，如在人流量大、环境变化频繁的情况下，定位精度往往下降，因此还有许多问题需要解决和研究。
三、研究内容和方法
本研究将以基于WiFi指纹的室内定位技术为核心，重点研究如何提高定位精度和覆盖范围。
具体研究内容包括：
1.深入分析现有算法的优劣，以及存在的缺陷和不足。
2.研究如何提高指纹采集和建模的精度和效率。
3.探讨如何采用多种算法结合的方式提高定位精度。
4.探索基于协同过滤的定位算法，增加算法的可靠性和鲁棒性。
5.综合考虑WiFi信号的物理特性和环境参数，探索基于机器学习的室内定位算法。
研究方法包括：
1.文献调研和分析，综合评估现有算法的优劣。
2.实地采集WiFi指纹数据，并建立指纹库和模型。
3.对比评估不同算法，包括KNN算法、SVM算法、Fusion算法等。
4.结合协同过滤算法研究更加鲁棒的室内定位技术。
5.采用机器学习等方法提高精度和稳定性，并进行实验比较研究。
四、研究预期结果
通过本文研究，预期可以获得以下结果：
1.对现有基于WiFi指纹的室内定位技术进行全面评估，找出其优缺点，并提出进一步改进措施。
2.研究提高指纹采集和建模精度的方法，并建立更加准确和全面的指纹库和模型。
3.通过比较不同的算法和采用协同过滤技术提高定位精度和鲁棒性。
4.尝试采用机器学习等方法提高定位精度和稳定性。
五、参考文献
[1]张铮,李明东.室内定位技术研究[J].现代电子技术,2013(19):179-180.
[2]SebastianBader.IndoorPositioningTechnologies[C],2ndInternationalConferenceonFrontiersofEducationalTechnologies(ICFET),2011.
[3]Mautz,R.,Protzel,P.Wi-FiPositioning:AComprehensiveSurvey[J].IEEECommunicationsSurveysTutorials,2011,13(3):457-470.
[4]Krumm,J.UbiquitousComputingFundamentals[M].CRCPress,2010.
[5]Li,L.,Weng,J.,Tang,S.AnalysisofWi-FiFingerprintEffectivenessonHumanLocalization[C],IEEEInternationalConferenceonElectronicInformationandCommunication,2011.