室內(nèi)定位研究方法綜述

王星星 叢思安

摘 要：基于位置的服務(wù)對(duì)用戶位置精度要求越來越高，現(xiàn)有室外定位技術(shù)已無法滿足要求，因此室內(nèi)定位研究具有重要應(yīng)用價(jià)值。分析了室內(nèi)定位特殊的環(huán)境因素，闡述了室內(nèi)定位的基本原理、實(shí)現(xiàn)步驟與方法，重點(diǎn)分析了目前廣泛使用的指紋定位技術(shù)及相關(guān)改進(jìn)方法，總結(jié)了室內(nèi)定位研究趨勢(shì)。

關(guān)鍵詞：室內(nèi)定位;環(huán)境因素;指紋定位

DOI：10. 11907/rjdk. 182861 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2019）009-0009-04

Review of Study Methods of Indoor Positioning

WANG Xing-xing，CONG Si-an

（College of Information Engineering， Minzu University of China， Beijing 100081， China）

Abstract： The continuous development of location based service（LBS） puts forward higher requirements for the accuracy of users' position. The existed outdoor positioning technology has been unable to meet the demands of positioning accuracy， so the research of indoor positioning shows important application value and significance. This paper concentrated on inducing the general methods and procedures of indoor positioning to provide the study methods to beginners in the field. Firstly， this paper analyzed the environmental factors that affect indoor positioning; secondly， it expounded the technologies， implementation methods and algorithms of indoor positioning; thirdly，it focused on fingerprint location technology as well as its improvements. Finally， this paper summarized the research trends of indoor positioning.

Key Words： indoor positioning; environmental factors; fingerprint location

0 引言

研究表明，人們有超過80%的時(shí)間位于室內(nèi)，因此提供精確的室內(nèi)位置信息對(duì)生產(chǎn)生活具有重要意義[1]。隨著物聯(lián)網(wǎng)及無線傳感器網(wǎng)絡(luò)的發(fā)展，基于位置的服務(wù)（Location Based Services，LBS）應(yīng)用越來越廣泛，這對(duì)室內(nèi)定位精度提出了更高要求。

室內(nèi)定位技術(shù)研究最早可追溯到1996年美國聯(lián)邦通信委員會(huì)制定的E-911定位標(biāo)準(zhǔn)，之后室內(nèi)定位技術(shù)得到快速發(fā)展[2]。室內(nèi)定位包含兩個(gè)基本要素：環(huán)境因素和定位實(shí)現(xiàn)。一個(gè)優(yōu)良的室內(nèi)定位方法并不僅限于追求高的定位精度，還應(yīng)包括高精度、低功耗、低成本、隱私保護(hù)和信息安全幾個(gè)方面 [3]。

1 環(huán)境因素

室內(nèi)環(huán)境的特殊性使得原有的GPS信號(hào)發(fā)生中斷，因此在室內(nèi)繼續(xù)采用GPS技術(shù)難以實(shí)現(xiàn)精準(zhǔn)定位。室內(nèi)環(huán)境的復(fù)雜性對(duì)定位的影響主要體現(xiàn)在兩個(gè)方面：①環(huán)境變化引起的定位精度下降;②原有語義信息失準(zhǔn)[4]。

一方面，信號(hào)在室內(nèi)傳播時(shí)由于衰減、非視距傳播（Non-Line of Sight，NLOS）、反射、衍射、多徑等造成信號(hào)強(qiáng)度不穩(wěn)定，從而引起定位誤差。墻體等建筑的厚度、材質(zhì)以及結(jié)構(gòu)、室內(nèi)人員的密度、人員活動(dòng)、室內(nèi)溫度及濕度的變化也會(huì)對(duì)無線信號(hào)的強(qiáng)度造成一定程度的干擾[5];另外在采集信號(hào)時(shí)，移動(dòng)設(shè)備的型號(hào)、用戶手持移動(dòng)設(shè)備的方向以及人體遮擋，甚至是采集時(shí)間不同也會(huì)導(dǎo)致信號(hào)強(qiáng)度存在差異和不穩(wěn)定性。

另一方面，基于室內(nèi)環(huán)境的語義信息，如房間編號(hào)、區(qū)域、功能等信息會(huì)隨著時(shí)間及環(huán)境變化而發(fā)生變動(dòng)，從而使原有的語義信息和基于語義所提供的位置信息精確度下降。

2 定位實(shí)現(xiàn)

應(yīng)當(dāng)根據(jù)具體環(huán)境設(shè)計(jì)合理的方法實(shí)現(xiàn)定位，方法一般包括位置估計(jì)和位置跟蹤兩大類。位置估計(jì)指目標(biāo)當(dāng)前所在位置的估計(jì)，位置跟蹤指一段時(shí)間內(nèi)移動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡，它在時(shí)間上具有移動(dòng)性和連續(xù)性。

無論是哪種定位，都遵循以下兩個(gè)基本操作流程：

（1）根據(jù)客觀環(huán)境選擇合適的定位技術(shù)，常用的定位技術(shù)包括ZigBee技術(shù)、射頻識(shí)別技術(shù)（Radio Frequency Identification， RFID）、超寬帶技術(shù)（Ultra Wideband， UWB）、WiFi 技術(shù)、地磁、慣性傳感器、可見光等[3-4]。

（2）確定定位方法。定位方法分為3個(gè)步驟：①物理測(cè)量，根據(jù)定位技術(shù)收集定位所需要的數(shù)據(jù);②數(shù)據(jù)預(yù)處理，對(duì)采集到的數(shù)據(jù)進(jìn)行降噪、降維等處理，使數(shù)據(jù)更加符合算法要求;③算法選擇，確定位置信息的計(jì)算規(guī)則并最終實(shí)現(xiàn)位置估計(jì)或跟蹤。具體流程如圖1所示。

2.1 定位技術(shù)

定位技術(shù)廣泛應(yīng)用于室內(nèi)定位中，文獻(xiàn)[7-9]對(duì)主流定位技術(shù)進(jìn)行了詳細(xì)描述，表1概括了常見定位技術(shù)的定位精度、優(yōu)缺點(diǎn)及典型系統(tǒng)。

2.2 定位方法

2.2.1 物理測(cè)量

物理測(cè)量手段中任何具有位置區(qū)分性的信號(hào)，如聲、光、電磁波、視覺信號(hào)等都可以用于定位。信號(hào)的位置可區(qū)分性越高，則達(dá)到的定位精度就越高，如超聲波、聲波等傳播速度慢的信號(hào)可以達(dá)到厘米級(jí)精度，而無線電波傳播速度快，精度最多可以達(dá)到米級(jí)?；跍y(cè)距的定位通常需要精確測(cè)量信號(hào)在發(fā)射端和接收端的傳播時(shí)間，指紋定位則需要測(cè)量來自各信源節(jié)點(diǎn)的信號(hào)強(qiáng)度。

2.2.2 數(shù)據(jù)預(yù)處理

室內(nèi)定位數(shù)據(jù)預(yù)處理主要是對(duì)參考節(jié)點(diǎn)及待測(cè)節(jié)點(diǎn)收集到的數(shù)據(jù)進(jìn)行降噪處理。

由于室內(nèi)復(fù)雜環(huán)境的干擾導(dǎo)致接收信號(hào)不穩(wěn)定，因此需要過濾掉采集信號(hào)中的異常值。常見的濾波算法有均值濾波、高斯濾波、小波去噪、卡爾曼濾波等方法。文獻(xiàn)[10]采用均值濾波法對(duì)同一位置采集的多條信號(hào)強(qiáng)度信息求均值，保留較穩(wěn)定的信號(hào)強(qiáng)度;文獻(xiàn)[11]采用高斯濾波去噪。假設(shè)測(cè)量的信號(hào)強(qiáng)度服從高斯分布，利用該分布過濾掉小概率信號(hào)強(qiáng)度的干擾;文獻(xiàn)[12]采用小波去噪的方法將信號(hào)與噪聲分解并過濾掉噪聲;文獻(xiàn)[13]采用卡爾曼濾波過濾掉多徑效應(yīng)造成的異常值。

2.2.3 算法選擇

室內(nèi)定位主要集中在位置估計(jì)和位置跟蹤兩個(gè)主要方面。位置估計(jì)算法利用已知位置的參考點(diǎn)對(duì)待測(cè)點(diǎn)進(jìn)行位置預(yù)測(cè)。位置跟蹤算法則需要實(shí)時(shí)追蹤待測(cè)點(diǎn)的位置信息并獲得位置軌跡。位置估計(jì)是對(duì)靜態(tài)位置的估計(jì)，而位置追蹤則是移動(dòng)定位，因此它們?cè)谒惴ㄟx擇上也具有較大的差異性。

（1）位置估計(jì)。①測(cè)距定位：基于測(cè)距的定位算法通過特定的測(cè)距技術(shù)獲得待測(cè)點(diǎn)與已知位置的參考點(diǎn)之間的距離，并借助它們之間的幾何關(guān)系估計(jì)待測(cè)點(diǎn)的位置信息，常用算法包括到達(dá)時(shí)間技術(shù)（Time of Arrival，TOA）、到達(dá)時(shí)間差技術(shù)（Time Difference of Arrival，TDOA）和到達(dá)角度技術(shù)（Angle of Arrival，AOA）等[3，14];基于測(cè)距的方法通常需要部署專門的硬件設(shè)備，測(cè)量過程也較復(fù)雜，而且需要建立復(fù)雜的傳播模型和衰減模型，該模型需要綜合考慮多徑傳播、墻體反射、人體干擾等諸多因素，因此采用簡單的非測(cè)距方法更為普遍;②非測(cè)距定位：非測(cè)距定位通常用指紋定位進(jìn)行位置估計(jì)，指紋定位在實(shí)施上更容易實(shí)現(xiàn)，因此應(yīng)用廣泛，但是前期需要投入大量的人力和時(shí)間進(jìn)行數(shù)據(jù)收集和數(shù)據(jù)處理去構(gòu)建指紋庫。

（2）位置跟蹤。位置估計(jì)是一種靜態(tài)估計(jì)方案，它沒有考慮待測(cè)點(diǎn)的移動(dòng)性，但位置跟蹤具有時(shí)間屬性，通過歷史移動(dòng)狀態(tài)對(duì)當(dāng)前位置進(jìn)行預(yù)測(cè)，常見算法有凸近似定位、移動(dòng)基線定位、蒙特卡洛定位（即粒子濾波器）[3]和卡爾曼濾波系列[14]算法。

位置跟蹤常見問題是誤差累計(jì)。由于當(dāng)前位置的計(jì)算是基于前一刻的數(shù)據(jù)預(yù)測(cè)得到，每次位置預(yù)測(cè)都會(huì)產(chǎn)生一定誤差，且隨著時(shí)間的推移誤差會(huì)逐步增大，這是位置跟蹤定位不精確的主要原因。

3 指紋定位

指紋定位利用信號(hào)強(qiáng)度隨傳播距離衰減的特征，將所處位置接收到的各個(gè)錨節(jié)點(diǎn)信號(hào)強(qiáng)度指示（Received Signal Strength Indication，RSSI）作為當(dāng)前位置的唯一標(biāo)識(shí)（指紋），主要包含離線訓(xùn)練和在線定位兩個(gè)階段，如圖2所示。

離線階段在已知的參考點(diǎn)上獲取接收到的錨節(jié)點(diǎn)信號(hào)強(qiáng)度，構(gòu)成 “位置-信號(hào)強(qiáng)度”指紋向量，完成指紋庫構(gòu)建;在線階段將待測(cè)點(diǎn)收到的各錨節(jié)點(diǎn)信號(hào)強(qiáng)度與指紋庫中指紋向量包含的信號(hào)強(qiáng)度進(jìn)行匹配，找到相似度較大的指紋向量，并利用指紋向量對(duì)應(yīng)的位置信息估計(jì)待測(cè)點(diǎn)位置[3]。

3.1 離線訓(xùn)練

設(shè)錨節(jié)點(diǎn)有m個(gè)，記為[A1]，[A2]，…，[Am]，已知位置的參考點(diǎn)有n個(gè)，離線訓(xùn)練階段對(duì)每個(gè)參考點(diǎn)收集信號(hào)強(qiáng)度，建立位置-信號(hào)強(qiáng)度指紋庫I，[ri]表示參考點(diǎn)的信號(hào)強(qiáng)度向量，[li]表示參考點(diǎn)的位置向量，則有

I={（[r1]， [l1]），（[r2]，[l2]），…，（[ri]， [li]），…，（[rn]， [ln]）}

n表示參考點(diǎn)個(gè)數(shù)

[ri]=（[ri1，ri2，？，rij，？，rim]）

m表示錨節(jié)點(diǎn)的個(gè)數(shù)

[li=（xi，yi）]

其中[rij]為第i個(gè)參考點(diǎn)上接收到的來自第j個(gè)錨節(jié)點(diǎn)的平均信號(hào)強(qiáng)度。由于信號(hào)不穩(wěn)定，通常需要在同一個(gè)參考點(diǎn)上對(duì)信號(hào)進(jìn)行多次測(cè)量，然后對(duì)多次測(cè)量的結(jié)果進(jìn)行降噪處理并求取平均值。

一般離線階段只要構(gòu)建出與環(huán)境相符的指紋庫即可。為進(jìn)一步提高指紋定位精度，可通過以下3方面對(duì)離線階段進(jìn)行改進(jìn)。

（1）對(duì)參考點(diǎn)信號(hào)進(jìn)行降維處理。離線階段收到的信號(hào)都來自錨節(jié)點(diǎn)（如WiFi定位中的AP），雖然錨節(jié)點(diǎn)數(shù)目越多在一定程度上越能提高定位精度，但過多的信號(hào)發(fā)射結(jié)點(diǎn)易導(dǎo)致它們之間發(fā)生信號(hào)干擾，同時(shí)計(jì)算復(fù)雜度也會(huì)較高，因此要對(duì)參考點(diǎn)收集到的信號(hào)進(jìn)行降維。降維后，[ri]=（[ri1，ri2，？，rim]），降低維度為：[ri]=（[ri1，ri2，？，rik]），其中k≤m。相應(yīng)地，若離線階段進(jìn)行了降維處理，在線階段采集的信號(hào)也應(yīng)進(jìn)行降維處理。

常見的降維方法包括選擇法和特征提取法。選擇法設(shè)定一個(gè)衡量標(biāo)準(zhǔn)，如對(duì)應(yīng)信號(hào)強(qiáng)度大小[15]、信源之間的分散度、最大信息熵、互信息最小化[16]、離散注水優(yōu)化模型[17]等，然后根據(jù)設(shè)定的標(biāo)準(zhǔn)對(duì)信源進(jìn)行篩選。特征提取法通過算法選出具有代表性的信源，常見的算法有主成分分析法（CPA）、線性判別分析（LDA）和獨(dú)立成分分析（ICA）以及核函數(shù)法，核函數(shù)方法充分考慮了線性及非線性特征[18]。

通過上述方法，能夠篩選出具有代表性的特征向量，在降低計(jì)算復(fù)雜度的同時(shí)提高定位精確度。

（2）根據(jù)已知參考點(diǎn)信號(hào)對(duì)指紋空間進(jìn)行擴(kuò)充。一般指紋庫中采集的參考節(jié)點(diǎn)指紋信息越多，定位精度也會(huì)越高，但大量的指紋采集工作會(huì)耗費(fèi)較高的時(shí)間、人力和物力成本。為有效解決指紋庫密度與構(gòu)建成本的矛盾，研究人員提出了指紋補(bǔ)償思想，即利用現(xiàn)有參考點(diǎn)的指紋信息模擬鄰近點(diǎn)的指紋信息，該方法能有效擴(kuò)充指紋空間，有利于降低指紋采集成本。常見的補(bǔ)償方法包括克里金插值[13，19-20]、矩陣補(bǔ)全原理[21-22]和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[23-24]等方法。

（3）采用聚類算法降低搜索空間。由于指紋空間較大，在線階段若直接將待測(cè)點(diǎn)指紋與指紋庫進(jìn)行匹配，需要遍歷整個(gè)指紋庫，計(jì)算復(fù)雜度較高且定位效率低。為了降低搜索空間，離線階段構(gòu)建指紋庫時(shí)通常采用K-means、DBSCAN等聚類算法[12-14]。以聚類為主的方法實(shí)際上體現(xiàn)了一種先進(jìn)行粗定位、再進(jìn)行細(xì)定位的思想。粗定位能夠有效提高定位效率，細(xì)定位確保了高定位精度，二者達(dá)到平衡。

3.2 在線定位

指紋定位主要通過訓(xùn)練匹配模型，將待測(cè)RSS信號(hào)與指紋庫信號(hào)進(jìn)行匹配，以估計(jì)待測(cè)點(diǎn)位置。匹配模型通常采用機(jī)器學(xué)習(xí)算法，主要包括3類：①確定性定位算法：直接計(jì)算待測(cè)位置的指紋與指紋庫中每一條指紋數(shù)據(jù)之間的向量距離，選取距離待定位點(diǎn)最近或多個(gè)參考點(diǎn)的位置，計(jì)算待測(cè)點(diǎn)位置，如最鄰近法（NN，KNN，WKNN）;②概率型定位算法：將測(cè)得的指紋庫數(shù)據(jù)按照一定的模型轉(zhuǎn)化為概率分布的形式實(shí)現(xiàn)定位，如樸素貝葉斯算法、最大似然概率法、直方圖法及核函數(shù)法等[25];③人工神經(jīng)網(wǎng)絡(luò)定位算法：該算法不必事先知道輸入（信號(hào)強(qiáng)度）與輸出（位置）之間的數(shù)學(xué)模型，通過隱層堆疊及每一層對(duì)上一層的輸出進(jìn)行權(quán)重優(yōu)化的學(xué)習(xí)機(jī)制完成位置估計(jì)，具有很好的函數(shù)逼近功能，常見的如BP神經(jīng)網(wǎng)絡(luò)[26-29]、深度信念網(wǎng)絡(luò)等算法。此外，支持向量機(jī)算法等機(jī)器學(xué)習(xí)算法[30]也廣泛應(yīng)用于定位。

4 研究趨勢(shì)

目前尚沒有成熟穩(wěn)定且廣泛應(yīng)用的高精度室內(nèi)定位技術(shù)，提高定位精度在很長一段時(shí)間內(nèi)仍是室內(nèi)定位的主要研究方向。

隨著無線傳感網(wǎng)絡(luò)及物聯(lián)網(wǎng)的迅猛發(fā)展，采用自組織網(wǎng)絡(luò)的定位技術(shù)會(huì)得到深入研究;不同定位技術(shù)間的融合能有效克服單一定位技術(shù)的局限性，所以融合定位將成為提高精度的主要方法之一。

在指紋定位中，室內(nèi)環(huán)境變化和設(shè)備位置移動(dòng)會(huì)導(dǎo)致在線階段監(jiān)測(cè)的指紋數(shù)據(jù)與離線階段建立的指紋數(shù)據(jù)不一致，因此采用一定的策略對(duì)指紋定位中的指紋庫進(jìn)行更新是提高定位精度的有效方法之一。更新指紋庫方法有眾包更新、將高精度定位結(jié)果實(shí)時(shí)更新到指紋庫等方法[31]。此外，位置指紋表征也會(huì)趨向多樣化，如建立物理臨近信息庫[32]、收包率[33]、接入數(shù)目、移動(dòng)端方向角[34]等方法。

5 結(jié)語

室內(nèi)定位技術(shù)由于其特殊的環(huán)境因素帶來的多徑、反射、非視距等影響，定位難度和復(fù)雜度要高于室外定位。在實(shí)現(xiàn)定位時(shí)充分考慮環(huán)境因素影響有助于提高定位精度，從而為用戶提供更加精準(zhǔn)的基于位置的服務(wù)。無論是定位技術(shù)的融合或改進(jìn)，還是定位算法的優(yōu)化，都為提高室內(nèi)定位的精度研究提供了方法和技巧。隨著定位精度的提高，深入探討和研究室內(nèi)定位的功耗、用戶隱私及信息安全等問題，有助于室內(nèi)定位技術(shù)的廣泛應(yīng)用。

參考文獻(xiàn)：

[1] DENG Z L，YAN P. Situation and development tendency of indoor positioning[J]. China Communications，2013，10（3）：42-55.

[2] 王靜. 基于信號(hào)強(qiáng)度室內(nèi)定位技術(shù)的研究與實(shí)現(xiàn)[D].北京：北京工業(yè)大學(xué)，2009.

[3] 史蒂芬·山德，阿明·達(dá)曼.無線通信系統(tǒng)中的定位技術(shù)與應(yīng)用[M].郎為民，譯.北京：機(jī)械工業(yè)出版社， 2016.

[4] 劉云浩.Location， localization and localizability[J].計(jì)算機(jī)科學(xué)技術(shù)學(xué)報(bào)：英文版，2010， 25（2）：274-297.

[5] 陳斌濤，劉任任，陳益強(qiáng)，等.動(dòng)態(tài)環(huán)境中的WiFi指紋自適應(yīng)室內(nèi)定位方法[J]. 傳感技術(shù)學(xué)報(bào)， 2015（5）：729-738.

[6] 趙銳，鐘榜，朱祖禮，等. 室內(nèi)定位技術(shù)及應(yīng)用綜述[J]. 電子科技， 2014，27（3）：154-155.

[7] 關(guān)歡. 無線網(wǎng)絡(luò)室內(nèi)定位技術(shù)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 上海：上海交通大學(xué)， 2015.

[8] 鄧中亮，尹露， 唐詩浩，等. 室內(nèi)定位關(guān)鍵技術(shù)綜述[J]. 導(dǎo)航定位與授時(shí)，2018（5）：88-92.

[9] 徐盛良，魯照權(quán)，周永燕，等. 基于超聲波測(cè)距的室內(nèi)定位系統(tǒng)[J]. 機(jī)械設(shè)計(jì)與制造工程，2017， 46（11）：112-116.

[10] LENG Y F， ZHU H P， ALSHARARI T， et al. An improved RSSI positioning algorithm based on reference distances[J]. Advanced Materials Research， 2014（971-973）：1547-1552.

[11] WANG Y， ZHAO Y， MUHAN L I. Application research of Gauss filter in Zigbee indoor positioning[J]. Journal of Geomatics， 2016（1）：512-517.

[12] GONG P， MAO Y， DU Y. An UWB indoor location algorithm based on wavelet de-noising[J]. Microcomputer & Its Applications， 2015（6）：66-69.

[13] 章曉強(qiáng)，方飛，應(yīng)可珍，等. 一種基于插值的室內(nèi)指紋定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 傳感技術(shù)學(xué)報(bào)，2017， 30（4）：596-602.

[14] 方旭明. 基于自適應(yīng)卡爾曼濾波器的WSN定位算法研究[D]. 南京：南京大學(xué)， 2017.

[15] 劉乾辰，徐昌慶，祝正元，等. 一種改進(jìn)的無線局域網(wǎng)位置指紋定位法[J]. 信息技術(shù)， 2014（7）：140-142.

[16] 張偉，花向紅，邱衛(wèi)寧，等. WiFi指紋定位的一種新組合算法[J]. 測(cè)繪工程， 2017， 26（3）：14-18.

[17] 周牧，蒲巧林，田增山. 室內(nèi)WLAN定位中位置指紋優(yōu)化的接入點(diǎn)部署方法[J]. 通信學(xué)報(bào)，2015， 36（s1）：30-41.

[18] 周志華，王玨. 機(jī)器學(xué)習(xí)及其應(yīng)用[M]. 北京：清華大學(xué)出版社， 2007.

[19] 毛科技，方凱，戴國勇，等. 采用Kriging的WSN多維度向量指紋定位算法研究[J]. 小型微型計(jì)算機(jī)系統(tǒng)，2016，37（11）：2514-2519.

[20] 郭紅成，羅海勇，尹浩，等. 基于線性插值和動(dòng)態(tài)指紋補(bǔ)償?shù)姆植际蕉ㄎ凰惴╗J]. 傳感技術(shù)學(xué)報(bào)， 2009， 22（12）：1795-1801.

[21] CHANG L， XIONG J， WANG Y， et al. Lupdater： low cost RSS fingerprints updating for device-free localization[C]. International Conference on Distributed Computing Systems，2017：900-910.

[22] 沙朝恒，肖甫，陳蕾，等. 一種基于矩陣補(bǔ)全的室內(nèi)指紋定位算法[J]. 計(jì)算機(jī)科學(xué)，2016， 43（6）：91-96.

[23] 韓曉曉. 基于RBF神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)射頻地圖建立方法研究[D]. 太原：太原科技大學(xué)，2015.

[24] 吳東金，夏林元. 面向室內(nèi)WLAN定位的動(dòng)態(tài)自適應(yīng)模型[J]. 測(cè)繪學(xué)報(bào)， 2015， 44（12）：1322-1330.

[25] 張文學(xué). 基于WiFi的RSSI指紋定位算法研究[D]. 成都：電子科技大學(xué)， 2015.

[26] 李瑛，胡志剛，劉洋. 一種基于BP神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位模型[J]. 計(jì)算機(jī)應(yīng)用，2007， 27（b06）：56-57.

[27] 李麗娜，梁德骕，馬俊，等. 基于灰色-RBF神經(jīng)網(wǎng)絡(luò)的傳播損耗模型訓(xùn)練[J]. 計(jì)算機(jī)應(yīng)用與軟件，2016，33（8）：136-140.

[28] 石曉偉，張會(huì)清，鄧貴華. 基于BP神經(jīng)網(wǎng)絡(luò)的距離損耗模型室內(nèi)定位算法研究[J]. 計(jì)算機(jī)測(cè)量與控制， 2012， 20（7）：1944-1947.

[29] 吳東金，夏林元. 面向室內(nèi)WLAN定位的動(dòng)態(tài)自適應(yīng)模型[J]. 測(cè)繪學(xué)報(bào)，2015，44（12）：1322-1330.

[30] 李福堅(jiān)，吳黎明. 一種改進(jìn)的支持向量機(jī)的室內(nèi)指紋定位技術(shù)[J]. 自動(dòng)化與信息工程， 2014，35（4）：29-33.

[31] 李燕君，徐凱鋒，邵劍集. 利用眾包更新WiFi室內(nèi)定位指紋庫的方法研究[J]. 傳感技術(shù)學(xué)報(bào)， 2014（12）：1692-1698.

[32] 周牧，張巧，邱楓. 基于物理鄰近點(diǎn)輔助的無線局域網(wǎng)指紋定位方法[J]. 計(jì)算機(jī)應(yīng)用，2014， 34（6）：1563-1566.

[33] 張金藝，張晶晶，李若涵，等. 流水線型局部加權(quán)回歸RFID室內(nèi)定位[J]. 應(yīng)用科學(xué)學(xué)報(bào)， 2014（2）：125-132.

[34] 劉志鵬，袁敏. 一種基于WiFi的改進(jìn)型室內(nèi)位置指紋定位方法[J]. 計(jì)算機(jī)與現(xiàn)代化， 2016（4）：36-39.

（責(zé)任編輯：杜能鋼）