基于非参数化动态噪声模型的自适应室内定位算法研究

Indoor localization techniques can bring potential commercial business and services for the future mobile internet and the internet of things. However, due to the lack of knowledge of the complicated indoor environment and high computational complexity, a general algorithm, which can benefit the wide application of indoor localization systems, still does not exist. To solve this problem, this project will research the design method of the general localization algorithm for multiple wireless communication systems in the unknown and uncertain indoor environment. In summary, the main works of this project can be categorized as follows:.(1).Due to the complicated propagation feature in the indoor uncertain environment, a non-parametric dynamic modeling method for the indoor measurement noise is proposed, which is different from the classical distributed fitting and channel modeling method..(2).The architecture of adaptive localization algorithms for multiple wireless system is proposed. By applying the nonlinear filters and optimization method, the localization algorithm which applies nonlinear filters for the fusion of wireless signals and can self-adapt according to the change of the indoor environment is developed. To guarantee the estimation accuracy, the performance is improved by using the convex optimization method..(3).Deriving the Cramér-Rao lower bound in the uncertain indoor environment to indicate the optimal performance for the proposed adaptive algorithm. The analysis can indicate the improvement of the proposed algorithm.

室内定位技术能够在未来为移动互联网和物联网带来巨大的商业和应用价值，然而由于缺少对室内复杂环境的了解和计算复杂度高的缘故，目前仍然没有一种普适性较高的算法能够推广室内定位的大规模应用。针对上述问题，本项目面向环境未知的非确定性室内场景，以无线定位系统为研究内容，研究能够适用于多种通信系统的通用定位算法。研究的主要目标包括：（1）针对无线信号在室内传输的复杂性，转变传统的概率拟合和信道建模的方法，提出面向非确定性场景下的信号噪声非参数化动态建模方法，研究动态模型调节机制和参数估计方法，为算法设计提供模型依据；（2）研究面向多种无线通信系统的通用自适应算法架构，结合非线性滤波和最优化方法，开发能够依据环境变化自适应调节参数的定位算法，实现无线信号的融合和定位算法性能的优化，保证准确定位；（3）理论上分析推导基于克拉美-罗下限的自适应算法在室内非确定性场景下的最优性能，为算法的改进提供参考。

本项目的核心目标是在非确定性室内场景下，以无线定位系统为研究内容，研究能够适用于多种通信系统的通用定位算法。.. 首先，项目组针对无线信号在室内传输的复杂性，转变传统的概率拟合和信道建模的方法，提出面向非确定场景下的信号噪声非参数化动态高斯噪声模型，并设计了动态模型调节机制和参数估计方法，为算法设计提供模型依据。基于此开发了自适应粒子滤波算法架构，通过最小互熵原则，对自适应粒子滤波进行优化，开发了能够依据环境变化自适应调节自身参数的定位算法，实现无线信号的融合和定位算法性能的优化，保证准确定位。.. 其次，项目团队在理论上分析推导基于一种高维递归扩展式CRLB（Extended-Recursive CRLB， ER-CRLB）。通过ER-CRLB的分析，可以更好地模拟真实室内环境中影响室内定位的各种因素。例如三维空间中定位节点和定位目标高度差异带来的定位精度影响、非视距传输的影响以及各种先验信息的影响。通过大量的仿真分析可以看到，我们采用的ER-CRLB能够更好地融合多种信息，并为定位系统的设计提供了非常可靠地理论参考。.. 第三，本项目针对CRLB的使用限制以及多数定位算法在实际应用中的有偏估计现象，提出了采用有偏估计进行定位精度提高的方法。项目团队以盒子算法（bounding-box或称为Min-Max算法）的有偏特性和协方差特性进行分析，并推导出基于盒子算法的有偏CRLB。这是在定位领域首次提出的有偏CRLB。基于此，我们设计了一种有偏混合卡尔曼滤波算法，通过双重滤波，实现了定位精度在原有的CRLB基础上的进一步提升。.. 最后，本项目除在基于无线测距的室内定位研究外，对基于室内地磁信息的定位方法进行了初步的研究，提出了基于地磁敏感度的室内地磁地图划分方法。基于该方法，提出了自适应的粒子滤波匹配算法，实现了不需要借助任何其他辅助设备的条件下，仅靠地磁信息就可以实现高精度定位。.. 本项目在国内外期刊发表论文5篇，国际会议14篇，申请专利12项，开发了一套基于云计算的定位系统平台，支持100个以上的iBeacon节点协同工作。