中文摘要：

基于绿色AP的WLAN室内定位算法研究秉承绿色通信的理念并同时满足普适计算对室内位置信息的需求。然而，绿色AP能效管理技术和个性化服务给WLAN室内定位技术带来了严重问题。本项目以位置指纹算法为研究基础，旨在如何实现在绿色AP环境下将在线阶段接收到的RSS信号与Radio Map有效匹配进而准确将信号空间映射到物理空间。我们根据绿色AP的特点，提出采用模式识别、信息熵增益、流形学习、隐马尔可夫模型等数学理论，最终目标是根据无监督模式识别理论揭示RSS信号空间聚类机理，建立能够度量AP定位分辨能力的定位信息熵增益模型，研究并发现高维非线性RSS信号空间内在的低维流形结构规律，提出可以避免高阶RSS阶数灾难的低维定位特征局部判别嵌入算法，提出利用隐马尔可夫模型提取用户定位信息来用于校准更新Radio Map的算法。最后，我们通过理论研究与仿真分析证明了本项目技术路线的可行性。

结论摘要：

基于绿色AP的WLAN室内定位算法研究秉承绿色通信的理念并同时满足普适计算对室内定位信息的需求。本项目针对绿色AP环境下WLAN室内定位技术，以位置指纹算法为基础，交叉融合模式识别、信息论、几何拓扑学、控制学科等各领域知识，提出了各种优化和创新算法，从而满足绿色WLAN环境的室内定位要求。 首先，针对大范围绿色WLAN室内定位区域，Radio Map的搜索空间过大、不易于实时定位的问题，提出了基于模式识别理论的相关算法，找到RSS信号空间聚类规律，剔除定位冗余信息，有效地将整个WLAN环境定位问题分解为若干个定位子区域定位。在各定位子区域内，考虑到不同AP对定位结果贡献程度不同以及信号维数较多的问题，采用了信息论中信息熵增益法度量各个AP对定位贡献程度的大小。自适应地调整绿色AP的数量和定位过程中输入特征的维数，删除引入较大噪声或者信息熵增益较小的绿色AP，使得Radio Map有效地适应绿色WLAN的环境。与此同时，通过信息熵增益度量为移动终端在线阶段选择AP提供了参考。 其次，由于存在高维非线性RSS向量空间的阶数灾难问题，本课题提出了局部判别嵌入流形学习算法，利用判别定位低维流形特征，结合定位信息熵增益绿色AP选择法，动态设置低维定位特征参数，在保证定位精度的前提下，尽可能降低移动终端计算复杂度和能量消耗。 第三，针对位置指纹定位算法对Radio Map准确性和室内电磁环境时变的问题，本课题提出了相关Radio Map的校准算法。该算法基于控制学理论中的隐马尔可夫模型，并结合用户的位置与Radio Map之间的关系，找到对已建立的Radio Map进行校准更新方法。通过迭代的方式实现Radio Map的校准，满足位置指纹算法对Radio Map的要求。 此外，针对算法的验证的需要，项目组不仅搭建了实验环境，同时还搭建了软件仿真平台。利用C语言、Java语言来实现移动终端的信号采集与定位验证，利用MATLAB语言进行理论分析与研究。 自立项以来，项目组共发表文章15篇，其中SCI期刊4篇，EI期刊7篇，EI源会议文章4篇；申请专利28项，其中已授权13项。培养博士生5人，硕士生7人，本科生13人。期间共有2人次进行了国际交流，举办了研讨会9次。各项指标均实现了项目申请时的预期成果。