Details

Title: Анализ возможности позиционирования при использовании сигналов беспроводных локальных сетей WI-FI: выпускная квалификационная работа бакалавра: направление 11.03.02 «Инфокоммуникационные технологии и системы связи» ; образовательная программа 11.03.02_06 «Оптические телекоммуникационные системы»
Creators: Цзоу Цзяньчжун
Scientific adviser: Завьялов Сергей Викторович
Other creators: Зудов Роман Игоревич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт физики, нанотехнологий и телекоммуникаций
Imprint: Санкт-Петербург, 2021
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: WI-FI; беспроводной; определить место; алгоритм; радио отпечатки; TOA; AOA; TDOA; RSS; wireless; locate; algorithm; radio fingerprints
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 11.03.02
Speciality group (FGOS): 110000 - Электроника, радиотехника и системы связи
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-4399
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\13219

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

С наступлением информационной эпохи спрос людей на информацию растет. С появлением больших данных и облачных вычислений информация о местоположении стала особенно важной. Услуги, основанные на информации о местоположении, изменили нашу жизнь. С быстрым развитием технологий беспроводных сетей и смартфонов мобильные терминалы используются в самых разных областях. Чтобы удовлетворить потребности внутреннего позиционирования, в этой статье анализируется позиционирование сигналов беспроводной локальной сети Wi-Fi. Основная исследовательская работа заключается в следующем: 1. Кратко опишите важность позиционирования в текущей ситуации. Обобщает текущие типы беспроводного позиционирования внутри помещений, кратко анализирует характеристики различных беспроводных систем позиционирования и изучает факторы, влияющие на позиционирование. 2. В этой работе обсуждаются онлайн-алгоритмы сопоставления, включая байесовский алгоритм и алгоритм ближайшего соседа. 3. В этой работе обсуждаются методы внутреннего позиционирования и алгоритмы внутреннего позиционирования. Метод внутреннего позиционирования включает метод оценки TOA, метод оценки TDOA, метод оценки AOA и метод оценки RSS. Алгоритм внутреннего позиционирования включает метод ближайшего соседа, K метод ближайшего соседа, взвешенный алгоритм соседей K, метод функции ядра, нейронная сеть BP, алгоритм машины опорных векторов.

With the onset of the information age, people's demand for information is growing. With the advent of big data and cloud computing, location information has become especially important. Location-based services have changed our lives. With the rapid development of wireless networking and smartphone technology, mobile terminals are used in a wide variety of fields. To meet the needs of indoor positioning, this article analyzes the positioning of Wi-Fi wireless LAN signals. The main research work is as follows: 1. Briefly describe the importance of positioning in the current situation. Summarizes the current types of indoor wireless positioning, briefly analyzes the characteristics of various wireless positioning systems, and studies the factors that influence positioning. 2. This paper discusses online matching algorithms, including Bayesian and Nearest Neighbor. 3. This paper discusses indoor positioning techniques and indoor positioning algorithms. The internal positioning method includes the TOA scoring method, the TDOA scoring method, the AOA scoring method, and the RSS scoring method. The internal positioning algorithm includes Nearest Neighbor, K Nearest Neighbor, Weighted Neighbor Algorithm, Kernel Function Method, BP Neural Network, Support Vector Machine Algorithm.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Usage statistics

stat Access count: 18
Last 30 days: 0
Detailed usage statistics