●《智能科學技術著作叢書》序序
前言
第1章 引言 1
1.1 位置信息服務 1
1.2 LBS定位技術的發展 3
1.3 定位技術的新挑戰 5
本章小結 6
第2章 位置服務與定位技術 7
2.1 定位技術的發展 7
2.2 無線局域網與室內定位 10
2.3 LBS的發展及應用 12
2.3.1 LBS的發展 12
2.3.2 LBS的應用 15
2.4 基於WLAN的室內定位技術 16
2.5 典型的室內定位繫統 20
2.5.1 早期的室內定位繫統 20
2.5.2 基於WLAN位置指紋的室內定位繫統 21
本章小結 23
第3章 位置指紋和WLAN定位理論 24
3.1 WLAN室內定位技術 24
3.1.1 WLAN基本工作原理 24
3.1.2 基本定位方法 26
3.2 位置指紋定位技術 30
3.2.1 WLAN指紋定位基本工作原理 30
3.2.2 位置指紋數據庫 32
3.2.3 位置指紋定位算法 36
本章小結 42
第4章 基於IDGD模型的定位算法 43
4.1 RSS的統計分布特性 44
4.1.1 RSS與位置匹配的關繫 44
4.1.2 人對RSS的影響 44
4.1.3 接收器朝向對RSS的影響 48
4.1.4 樣本數量對RSS的影響 50
4.2 基於IDGD模型的室內定位算法 54
4.2.1 RSS分布特征 54
4.2.2 雙峰高斯模型 56
4.2.3 基於IDGD的室內定位算法 57
4.3 實驗結果與分析 58
本章小結 60
第5章 RSS信號預處理 61
5.1 成分分析與核函數 62
5.1.1 Mercer定理 63
5.1.2 基於核的Fisher判別分析 64
5.1.3 核直接判別分析法(KI>LDA) 65
5.2 基於信息增益權重的AP選擇算法 67
5.2.1 信息增益權重準則 68
5.2.2 信息增益計算 69
5.3 聯合核直接判別和AP選擇的定位算法 70
5.4 實驗結果與分析 71
5.4.1 AP選擇算法分析 72
5.4.2 特征選擇算法分析 77
本章小結 80
第6章 基於機器學習的室內定位算法 81
6.1 聚類算法的研究現狀 81
6.2 白化的RSS信號是k-means聚類算法 82
6.2.1 數據預處理 85
6.2.2 參數設定 86
6.3 基於白化RSS信號的k-means聚類與SVR學習定位算法 86
6.4 實驗結果與分析 89
6.4.1 聚類算法分析 89
6.4.2 SVR定位參數分析 93
6.4.3 算法復雜度分析 97
6.4.4 機器學習算法定位性能 98
本章小結 100
參考文獻 101
《基於WLAN的位置指紋室內定位技術》以基於位置的服務(LBS)為背景,圍繞如何降低RSS信號的隨機性這一關鍵問題,對基於WLAN指紋定位的定位區域聚類、AP選擇以及RSS信號定位特征提取等主要內容進行了重點闡述。《基於WLAN的位置指紋室內定位技術》共6章,第1~2章介紹了位置服務與定位技術的發展和現狀,第3章詳細介紹了基於WLAN的位置指紋的定位理論,第4章詳細闡述在AP密集分布的較大室內環境下RSS信號的分布特點,第5章重點闡述RSS信號的AP選擇和特征提取技術,第6章則詳細介紹了RSS信號的聚類算法和基於機器學習的室內定位方法。本書可供從事室內定位技術研究的科研院所、設計部門和生產企業的技術人員參考,也適合高等學校通信工程、網絡工程以及信息管理與信息繫統等相關專業的師生使用。