目錄一、位置指紋定位原理 2
二、關於指紋 3
三、典型位置指紋定位匹配演算法 4
1）最鄰近法（nn） 4
2）k鄰近法（knn） 4
3）加權k近鄰法（wknn） 5
4) 概率演算法 5
5）神經網路法 6
6）支援向量機回歸svr 7
7）壓縮感知方法 8
8）樸素貝葉斯法 9
四、rss預處理 10
1）均值法 11
2）高斯濾波 11
3）卡爾曼濾波 11
4）均值/方差 11
5）直方圖法 12
6）滑動視窗平滑法[18] 12
五、室內指紋定位 12
1）wifi/wlan指紋定位 12
2）影響因素 14
六、室外指紋定位技術 15
參考文獻 17
基於訊號指紋的定位技術總結
位置指紋定位技術最早是由美國wireless corp公司提出的，被稱為基於多徑訊號收集和模式匹配演算法的指紋定位技術。又被稱為基於radio-map的定位技術或資料庫相關定位技術。指紋定位技術，最早在無線區域網室內定位上的研究比較多，主要是避免了室內複雜環境下對距離**，可以是定位精度有很大的提高[1]。
位置指紋定位技術的核心思想是通過獲取不同位置資訊，以及在該位置接收到的指紋資訊來建立資料庫，將實際接收到的指紋與資料庫中的指紋點進行一一對比，從而實現了對目標的定位。位置指紋的定位技術可以分為兩個階段：第一階段為訓練/離線階段，主要是建立指紋資料庫，在選擇的試驗區域內採集各參考節點位置的訊號特徵引數，如：
訊號強度，多徑相角分量功率等，將獲取的訊號特徵引數和與之對應的位置資訊存入資料庫；第二階段為**/定位階段，主要工作是定位，定位中心獲取到定位終端接收到的指紋之後，採用匹配演算法的得到目標的實際位置。原理圖如圖1所示，系統圖如圖2所示[42]。
圖1 位置指紋定位框架
基於指紋定位的系統組成
各種定位方法普遍採用訊號強度樣本的均值、方差、最大最小值、概率分布等建立radio-map，並且一旦建立變無法拓展。為了降低構建radio-map工作量[21]，主要分為兩類：一、利用無線訊號傳播理論模型計算不同位置的訊號強度，並根據計算結果建立radio-map[22]~[29]。
優點是取樣位置可以隨意選擇，位置變化對構建radio-map工作量的影響可忽略不計，radio-map的建立完全有軟體實現。缺點是很難利用理論模型完美的描述無線訊號在室內複雜環境中的傳播特性，故訊號強度的理論計算值與實際取樣值相差較大。因此，此類方法在實際應用中的效果不佳，此外，此類方法還必須知道網路接入裝置的實際安裝位置和發射功率等資訊，有悖於位置指紋法靈活的特點；二、是根據訊號強度在不同位置上的關係（相鄰位置上的訊號強度值相似），利用少量位置的取樣值對剩餘位置的訊號強度進行估計[30]~[35]。
雖然此類方法的取樣工作量要大於第一類的，但是扔遠遠小於傳統的逐點取樣方法。重要的是第二類方法對訊號強度的估計精度更高，建立的radio-map更加接近實際。而第二類要解決的核心問題是如何準確描述訊號強度在空間不同位置上的相互關係。
例如，基於普通克里金演算法的訊號強度估計方法。
該方法首先計算所得的指紋向量與資料庫中各向量之間的距離，選取最小距離對應的資料庫向量，以其所代表的位置座標，作為位置估計的結果輸出。廣義距離定義為：
其中s為所測的指紋，示指指紋庫中的第個向量，分別表示曼哈頓和歐幾里德距離。
該演算法為最近鄰法的改進演算法，主要區別是從最小距離開始選取個最接近的資料庫向量，在計算它們的平均座標來作為定位目標的位置資訊。
設是資料庫中第個基站的第個指紋資料值，為定位過程中第個基站的測量值，，其中為基站的個數，為指紋資料點的個數。與之間的距離為
在計算結果中從小到大一次選取k個樣值，來計算它們的平均值作為定位結果輸出：
式中是第個所選取的指紋點對應的位置座標。
與前兩種方法的不同之處是該方法在選取了個最接近的資料庫向量後，在每個資料庫向量對應的座標上，乘上乙個加權係數，最後的位置輸出為：
其中是所測量所得的指紋向量與第個資料庫向量之間的距離，是很小的正常數以防止除數為0，是第個資料庫向量對應的座標。
同時有的研究是基於wknn改進[19]。
設有個位置，在離線階段這個位置的裝置會測量指紋，設為**階段測量所得到的指紋，則根據下式選取後驗概率最大的：
由貝葉斯公式得：
當和都不變時，判定準則由後驗概率準則變為似然準則：
設似然概率為高斯分布，可以計算出其均值和方差，再設各個基站是獨立的，則總位置引數為個基站的似然函式的乘積：
最後由以後驗概率為權重，可以估算出比較精確的位置估計值[2]:
式中是第個位置的座標。
整個神經網路由一系列感知單元組成的輸入層、乙個或多個隱蔽的計算單元以及乙個輸出層組成。它採用監督學習演算法，訊號在層間前向傳遞，第層的第個單元的輸出為：
是第隱含層中第個單元的啟用與輸出（所謂啟用是指第層的單元的輸出與偏執條件的加權和）。是連線第層第個單元的輸出到第層第個單元的輸入的加權值。是平滑非線性函式，通常是s型函式：
或者是雙曲正切函式
支援向量機（svm）方法的核心思想是根據有限的樣本資訊，在模型的複雜度和識別未知樣本能力之間，尋求最佳折中，以便獲得最好的推廣能力。svm方法首先應用於分類問題，svr是分類問題中得到的結果在回歸情況下的推廣，基本思想是引入核函式，將樣本資料進行處理對映到高維的特徵空間進行線性的回歸分析[3]。
svr演算法在指紋定位技術中的應用最重要的就是建立回歸模型[4]~[8]:
（1） 首先確定輸入變數和輸出變數，構建訓練樣本和測試樣本。
根據位置指紋定位技術的特點，選取參考點處接收到的各個基站的rssi資訊作為輸入變數，其物理位置座標作為輸出變數。由於每個位置的物理座標為二維的，因此針對一組輸入變數，構建兩個兩個輸出變數。選取部分參考點作為訓練樣本，部分為測試樣本。
（2） 資料預處理
對輸入輸出變數進行資料歸一化預處理，從而消除各個因子由於量綱和單位不同的影響，使歸一化後的值在[0，1]，歸一化的方法很多，通常採用如下的寫法：
式中，歸一化後的資料被規整到[0,1]範圍內，即，這種歸一化方式稱為[0，1]區間歸一化。除了上面的規範化方式外，還有[-1，1]區間歸一化等，其對映如下：
式中（3） 確定核函式
這裡介紹高斯徑向基核函式建立模型。因為徑向基核函式具有良好的區域性調節特性，只需要選取乙個引數就可以用於任意分布的樣本。
基於dft的訊號識別系統
基於dft的訊號識別系統 一 實驗目的 1 通過實驗鞏固離散傅利葉變換dft的認識和理解。2 熟練掌握應用dft進行頻譜分析的方法。3 理解dft離散頻譜分析的應用價值。二 實驗內容 在語音識別 雷達訊號處理 生物醫學訊號檢測與識別等應用領域廣泛使用基於離散傅利葉變換的譜分析技術。乙個典型的訊號識別...
基於Radon方向場檢測指紋奇異點
第 卷第 期 光學精密工程 年 月 文章編號 基於 方向場檢測指紋奇異點 黃杰賢 楊冬濤，龔昌來 嘉應學院電子資訊工程學院，廣東梅州 摘要 為了快速 準確地檢測與定位指紋奇異點 核心點 三角點 以實現指紋分類與匹配，本文引人了 運算元來提取指紋的紋理方向特徵以實現指紋方向場的分割。提出了方向熵的概念...
基於指紋識別的企業員工考勤系統
key words fingerprint identification attendance distributed 緒論1調研的背景 隨著計算機技術的發展，各種智慧卡類考勤系統不斷出現，考勤管理工作不再需要人的過多干預，只需員工在上下班時刷卡，形成刷卡資料，然後再由計算機進行統計即可，給考勤管理...