基于群智信息感知模式的WiFi室内定位系统中Radio Map构建方法

WiFi indoor positioning based on fingerprint technology is the most potential indoor positioning and navigation systems in the future. However, its popularity is currently troubled by the technical bottleneck which is Radio Map is constructed in a time-consuming way so that it is not conducive to be widely used. Our project proposes a method to construct the Radio Map based on crowdsourcing. The basic idea is the Radio Map is constructed by large amounts of mobile devices in the background under the premise that no interference happens. By sensing the environment with the help of various sensing devices (WiFi card and inertial hardware), the mobile devices upload the information to the sever which is responsible for Radio Map construction. This will ensure the localization accuracy and at mean time greatly reduce the cost of Radio Map construction. Our project integrates alternately the machine learning theory, convex optimization theory, manifold learning theory, pattern recognition and control theory, aiming to resolve the problems appear in the Radio Map construction in the way of crowdsourcing, such as signal integration for mobile diversity, signal space completion and recovery, feature points optimization matching in location space and sparse location estimation and prediction. This research project will contribute effective ways to the future WiFi indoor localization.

基于位置指纹技术的WiFi室内定位是未来最具广泛应用潜力的室内定位导航系统。然而，目前困扰其普及的最大技术瓶颈就是Radio Map建立的方式耗时费力，不利于广泛推广。本项目提出基于群智信息感知模式来构建Radio Map，基本思想是在不影响用户正常使用的前提下利用智能移动终端各种传感设备(WiFi网卡和惯导器件)在后台感知周围环境，并将感知信息上传给服务器最终形成Radio Map，从而在保证定位精度的前提下大大降低Radio Map构建成本。本项目交叉融合机器学习理论、凸优化理论、流形学习理论、模式识别以及控制学科等各领域知识，主要解决群智信息感知模式下构建Radio Map过程中出现的各种问题，包括终端多样性测量数据融合、信号空间填充与恢复、位置空间特征点的最佳匹配问题以及稀疏位置空间的估计与预测。本项目的研究将为未来WiFi室内定位系统的推广提供值得借鉴的有效方法。

本项目以群智信息感知为基础，重点研究WiFi室内定位系统Radio Map的低成本、高精度构建方式。交叉融合机器学习理论、凸优化理论、流形学习理论、模式识别以及控制学科等各领域知识，提出各种优化和创新算法，从而解决WiFi室内定位系统推广和普及的技术瓶颈问题。.本项目建立了终端测量数据差异性融合模型，研究了Radio Map信号空间和位置空间的欧氏距离抗噪能力，消除了由终端多样性引起的测量数据差异对在线定位的影响；分析并发现了稀疏低秩Radio Map信号空间的填充机理，研究了基于l1范数最小化的矩阵恢复理论和算法，从而合理地利用高维数据信息从较大但稀疏的误差中恢复出本质上低秩的信号空间数据；研究了无初始位置约束条件下移动终端运动轨迹与地图路径匹配方法，分析并获取了运动轨迹和地图特征点间的相对位置关系匹配概率矩阵，提出了相关启发式搜索轨迹搜索算法，实现了搜索空间最小化的最佳匹配；挖掘了大量无标记参考点所包含聚类信息的流形结构，分析了此类参考点的低维映射，给出了基于流形距离测度的相似度度量，使得最终获得的相似度矩阵更加符合真实Radio Map的潜在结构，从而更加准确的估计与预测未标记参考点的位置空间信息。与此同时，考虑到目前智能手机基本上都配置了摄像头，志愿者可以同时开启摄像头获取图像信息。这样，智能手机不仅可以通过惯导设备获取参考点的位置空间，同时也可以利用摄像头的图像数据来获取。因此，为了更好地完善指纹地图，增强室内定位精度，本项目创新性地提出利用图像信息来丰富室内Radio Map指纹数据库。这种联合电磁信号和图像信息的方式，使得智能终端能够更加方便、准确地在WiFi室内环境中实现定位。.自立项以来，项目组共发表文章34篇，其中SCI期刊16篇，EI期刊2篇，EI源会议文章16篇；申请专利24项，其中已授权8项。培养博士生3人，硕士生6人，本科生6人。期间共聘请国外知名学者讲学8次，共出国访问9次。各项指标均实现了项目申请时的预期成果。

内容获取失败，请点击重试