基于群智感知的非约束智能手机室内融合定位方法研究

WiFi fingerprint databases, pedestrian dead reckoning (PDR) algorithms and fusing multiple-source location information are key to implementing crowdsourcing-based WiFi fingerprinting localization algorithms. This project will analyse the mechanism of building up WiFi fingerprint databases, and improve the process of building up WiFi fingerprint databases by standardizing WiFi fingerprints, semi-supervised machine learning and spatial interpolation given WiFi fingerprint samples from heterogeneous devices and with uncertain labels and a non-uniform spatial distribution. By exploring the error mechanism of PDR algorithms for unconstrained smart phones, a robust PDR algorithm is proposed by fusing signals from multiple Micro-Electro-Mechanical Systems (MEMS) sensors. After investigating the potential relationship between human behaviors and their location, constraints on human location can be extracted based on on context-aware computing techniques. Finally, a new and accurate indoor localization scheme based on Bayesian estimator is developed to efficiently fuse the location information from WiFi fingerprinting, PDR and context aware computing. The outcomes delivered by this project will provide theoretical guidance and practical methods for implementing indoor localization on smart phones in practice, and lay the foundation for pushing and popularizing location-based mobile computing as well as its applications.

WiFi指纹数据库、行人航迹推算（Pedestrian Dead Reckoning，PDR）算法以及基于多源位置信息的融合定位算法是基于群智感知的WiFi指纹定位技术的重要环节，这些环节及其相互间的影响与放宽智能手机约束所带来的定位误差密切相关。本项目通过分析WiFi指纹数据库的创建机制，针对在设备异构性、位置不确定性和空间非均匀性情况下采集的WiFi指纹样本数据，采用WiFi指纹标准化、半监督机器学习和空间插值等方法探究改进的WiFi指纹数据库创建方法; 深入分析PDR算法的误差机理，揭示其在非约束条件下的传播规律，研究基于多传感器信号融合的面向非约束智能手机的鲁棒PDR算法；探索行人行为与其位置的关联规律，通过引入情境感知计算发掘行为蕴藏的位置信息，研究基于贝叶斯估计的高精度室内融合定位新算法。研究成果将为智能手机室内定位提供理论指导和实用方法，为推动和普及移动计算及其应用奠定基础。

随着智能手机等移动设备的普及和WiFi的应用，基于WiFi的定位方法吸引了学术界和工业界的广泛关注。本项目旨在解决构建鲁棒的WiFi 指纹数据库、支持非约束智能手机的行人航迹推算（Pedestrian Dead Reckoning，PDR）算法、以及高效的多源信息融合定位算法等群智感知条件下WiFi 指纹定位方法面临的关键难题。..首先，通过分析WiFi 指纹数据库的创建机制，针对在设备异构性、位置不确定性和空间非均匀性情况下采集的WiFi 指纹样本数据，分别提出了适用于异构移动设备的基于普氏分析的WiFi 指纹标准化算法，基于扩展高斯过程和边缘粒子滤波器的WiFi指纹在线更新方案，面向稀疏WiFi指纹数据库的基于克里金插值方法的WiFi指纹预测方法，等等。实验结果表明，提出的方法不仅降低了WiFi指纹数据库的构建成本，还在一定程度上改进了WiFi指纹定位算法的性能。因此，提出的方法提高了WiFi指纹定位方法的实用性。..其次，深入分析了智能手机内嵌的惯性传感器与PDR 算法误差之间的影响机理，建立了一个无需将加速度计固定在脚部的零速校正（Zero-velocity Update，ZUPT）模型，在此基础上实现了面向非约束智能手机的自适应步态检测算法、行人航向估计算法、以及可变步长估计算法，从而形成了系统的PDR解决方案。实验结果表明，提出的方案显著提高了PDR算法的综合性能。因此，提出的方案是群智感知条件下构建WiFi指纹数据库的重要保障，同时促进了行人导航及相关应用的研究与开发。..最后，提出了针对室内外场景的、考虑了多径效应的WiFi接入点（Access Point，AP）定位算法，有助于进一步挖掘移动设备的位置信息、校正定位结果；实现了WiFi和PDR融合定位算法，不仅提高了定位的精度，还有助于在满足不同定位精度需求条件下减少WiFi扫描的次数，从而降低智能手机的能耗。..综上所述，本项目研究成果将为智能手机室内定位提供理论指导和实用方法，为推动和普及基于位置的服务奠定基础。

内容获取失败，请点击重试