环境因果关系校准:先进的无线网络无线电射频指纹,用于精确的室内定位

科学领域:

• 电气工程 电气工程
• 计算机科学 计算机科学
• 信号处理 信号处理

背景情况:

• 无线局域网 (WLAN) 射频 (RF) 指纹是一个有前途的室内定位技术.
• 室内环境因素,特别是相对湿度,通过影响射频信号传播,显著降低定位精度.
• 现有的研究缺乏对湿度对WLAN射频信号和定位的影响的全面分析.

研究的目的:

• 提出和评估一个自适应扩展指纹数据库 (AeFd) 模型.
• 为了减轻室内相对湿度变化对WLAN射频指纹准确度的影响.
• 为了提高室内定位系统的稳定性和性能.

主要方法:

• 使用回归学习算法开发了一个自适应扩展指纹数据库 (AeFd) 模型.
• 设计了一个关系模型来描述不同相对湿度下的指纹数据库交互.
• 整合了AeFd模型与K-最近邻居 (KNN) 算法进行实验验证.

主要成果:

• AeFd模型有效地将指纹数据库扩展到不同的相对湿度水平.
• 实验结果表明,在使用AeFd与KNN时,在10天内表现有5%的改善,10个月后有8%的改善.
• 拟议的模型显著提高了定位性能和系统稳定性.

结论:

• 适应扩展指纹数据库 (AeFd) 模型成功地解决了WLAN射频指纹中湿度诱导的精度下降的挑战.
• AeFd模型为动态适应环境变化提供了可行的解决方案,提高了室内定位系统的稳定性.
• 这项研究通过有效的环境因素缓解,有助于更可靠,更稳定的室内定位.