自适应室内无线信号变化的低代价高精度定位技术研究

作为无线定位导航技术的一个重要研究方向，室内无线定位技术具有广泛的应用前景。受多径衰落、视距阻挡、人员活动及环境变化等多种因素影响，室内无线信号传播具有较强的时变特性，同时存在覆盖盲区，这对实现高精度、全覆盖室内定位提出了挑战。本课题把机器学习理论和多模融合技术应用于室内定位。通过构建基于高斯核的无线信号相似度模型，利用AP覆盖的连续性对位置进行空域滤波，提高射频地图匹配精度和降低在线计算复杂度；采用无位置标记数据辅助方法，构建训练样本之间的图正则化表示，使用半监督学习方式训练定位模型，降低定位模型训练代价；采用基于特征空间映射的定位模型迁移学习方法，赋予定位模型自适应环境变化的能力；采用基于动态贝叶斯网络的多模异构信号融合方法和基于选择性加权的同构位置信息融合方法,提高定位精度和拓展定位覆盖范围。最后搭建专用测试平台，对本项目所提出的定位技术和多模融合模型进行实际验证。

作为无线定位导航技术的一个重要研究方向，室内无线定位技术具有广泛的应用前景。受多径衰落等多种因素影响，室内无线信号传播具有较强时变特性，对实现高精度、全覆盖室内定位提出了挑战。本项目把机器学习理论和多模融合技术应用于室内定位。通过构建基于高斯核无线信号相似度模型，利用AP覆盖的连续性对位置进行时空域滤波，提高了射频地图匹配精度并降低在线计算复杂度；采用无位置标记数据辅助方法，构建训练样本之间的图正则化表示，使用半监督学习方法训练定位模型，降低定位模型训练代价；采用基于特征空间映射的定位模型迁移学习方法，赋予定位模型自适应环境变化能力；采用基于动态贝叶斯网络多模异构信号融合方法和基于选择性加权同构位置信息融合方法，提高了定位精度并拓展定位覆盖范围。此外，本项目还在基于RSSI测距的低成本高精度室内定位技术与基于视觉信息的多媒体节点定位技术方面进行了创新，提出了基于空间相关性滤波和最小余差迭代的NLOS识别定位算法和多节点协同的无线多媒体传感器网络目标定位算法。本项目共发表学术论文34篇（其中SCI/EI索引26篇），申请发明专利4项（其中获得授权2项），获得软件著作权2项，提交实时定位标准5项，研发定位算法评估和验证原型系统3个，完成研究生培养14名（其中硕士生12名，博士2名）。

内容获取失败，请点击重试