- 文献综述（或调研报告）：
一、前言
被广泛应用的GPS定位有很高的定位精度，但是[11]指出在室内环境下准确度明显下降，而随着社会经济的发展，室内定位需求与日俱增。被Wi-Fi覆盖的室内环境目前已经非常普遍，[10]中提出Wi-Fi定位是室内定位的一个有效且可实施的方法。[3]中提出Wi-Fi定位方法主要有两种：指纹法（Fingerprint）和三边定位法（Trilateration）。两种方法可以根据实时接收信号强度进行定位，本文对近年来国内外部分学者的有关文献进行了梳理和总结。
二、正文
[6,7]中介绍了室内信道相关背景知识。室内无线信道是指室内对无线通信中发送端和接收端之间通路。室内无线信道与传统的无线信道相比，具有两个显著的特点：其一，室内覆盖面积小得多；其次，收发机间的传播环境变化更大。研究表明，影响室内传播的因素主要是建筑物的布局、建筑材料和建筑类型等。室内的无线传播同样的受到反射、绕射、散射3种主要传播方式的影响。
有许多基于无线信号信息的算法，例如[3,4]在传感器网络的定位和利用手机定位，B. Cook根据Wi-Fi信号特征分布图进行定位。使用这些算法并基于这些技术的主要挑战是提供可接受的准确度和部署成本。由于这些原因，许多研究团体对使用基于Wi-Fi的室内定位技术产生浓厚兴趣。可以基于信号数据收集将Wi-Fi定位算法分类为信号传播技术和各种指纹识别技术。
[2,8]采用基于信号传播的室内定位技术使用诸如延迟和角度的方法。通过使用几何来测量距多个参考点的距离，延迟估计对象的绝对或相对位置。对于此方法的使用，至少需要三个固定的参考点确定室内位置。主要思想是计算接入点（AP）和移动设备之间的距离，以提供本地化区域。[7,12,14]介绍了这些距离可以通过诸如接收信号强度（RSS），来自发射机的无线电信号到达时间，几个无线电信号的到达时间差，时间等信号测量信息来提供。从发射器到接收器的信号的飞行，接收信号相位。类似的方法基于角度方法并使用到达信号角度的测量。这些方法有一些缺点。[10]中提到在室内环境中，难以在发射器和接收器之间使用视线通道。此外，[9,13]指出信号将受到移动人和反射表面的影响。由于多径信号传播，会影响到达时间和角度以及接收信号强度，并且可以降低定位精度。因此，在室内创建有效的信号传播模型是非常困难的任务，并且使用这样的方法需要信号路径损耗计算。较为容易实施的方法是对接收信号强度进行多次测量，根据不同AP建立室内Wi-Fi信号传输模型，再根据几何法进行定位。
指纹识别是一种不使用无线电信号传播几何结构的流行技术，但它基于信号数据采集并提供高精度。[3,10,13]介绍了指纹法的基本思想，这种方法需要建立RSS和室内坐标（指纹数据库或无线电地图）的数据库。指纹识别包括两个阶段：“训练”和“定位”。在训练阶段，构建指纹数据库。RSS数据库由参考点的真实坐标组成，并且与可访问发射机（Wi-Fi接入点）的这些信号强度值相关。位置估计可以实现为可访问无线电信号的度量，并使用适当的搜索/匹配算法在数据库中搜索与接收器最近点的匹配，例如[6]利用最小欧拉距离进行匹配。然而，存在许多问题，例如[12,14]在训练阶段的大量不稳定的Wi-Fi信号， 以及人或物体瞬间的移动。此方法最重要的是数据的采集以及匹配算法的实现。[4,5]还介绍了两种基于优化的预测匹配算法。
有许多基于Wi-Fi和RFID等无线技术的室内定位技术和解决方案。现有的室内定位解决方案之一是[1]室内三角测量系统，它使用专有的Wi-Fi节点来估计室内几个Wi-Fi设备的位置。该解决方案使用战争驱动方法来获得WSN信息和特殊API，其可以向用户提供估计的位置。[1]解决方案需要自己的Wi-Fi节点基础设施，定位精度由节点放置定义，并取决于其密度。该公司没有开放其三角测量算法的实现，但与本文提出的方法不同，它使用自己的基础设施，三角测量方法和特殊节点放置方法，以获得可接受的准确度满意度。使用自己的基础设施的室内本地化系统的下一个重要实例是欧洲项目Smartmuseum。在该项目的范围内，已经实施了博物馆参观者的推荐系统。在[1]中该系统支持定位的室内和室外游览。如果用户位置是开放区域，则系统可以提供关于各种文化对象的信息，并且基于用户定义的用户位置向用户呈现关于感兴趣地点的一些信息。如果用户位置在建筑物内，则RFID技术用于定位。每个RFID标签存储网页的URL以及关于文化遗产主题的信息。自定义应用程序是为Windows Mobile 5和6版本开发的，Symbian版本为9.3和9.4。RADAR是一种基于射频的系统，用于定位和跟踪由开发的建筑物内的用户微软研究院。该系统是使用无线电地图的首批室内定位系统之一。对于用户移动设备定位，测量每个AP的信号强度。然后，它使用无线电地图数据库搜索与其测量的信号强度最匹配的信号强度值。[12,14]也提出系统估计与最佳匹配信号强度相关联的位置坐标以定位用户位置。该解决方案使用称为信号空间（NNSS）算法中的最近邻居的特定技术来定位用户设备位置。NNSS算法计算无线电地图中每个信号强度值与测量信号强度之间的欧几里德距离。RADAR的准确度为2-3米。在[6,9]中，考虑了允许从不可靠的RSS测量计算位置估计的定位算法。尽管RSS测量的高度不确定性，这项工作提出了改进定位算法质量的方法。此外，[8,9]还提出了一个基于RSS定位的随机框架，其中包括通过用概率分布替换距离估计来确定RSS测量的不确定性。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
