独立于位置指纹的WiFi室内基因测序定位算法

The gene sequencing-based WiFi indoor localization algorithm without location fingerprinting is with the idea of the green, high-efficient and reliable communications. Meanwhile, the requirement of users' real-time locations and motion activities in the complex multi-source information fusion, data mining and understanding conditions will also be satisfied. However, the cumbersome work for the fingerprints' calibration, the redundant deployment of access points (APs) and uncertainty of users' motion characteristics significantly restrict the efficiency of the individual location-based services and location information management. Therefore, based on the gene sequencing-based tracking algorithm, the purpose of this project is to adaptively construct the mapping relations from the real physical environment to signal distribution space with the help of individual signal extraction, representation and reconstruction without the supervision and location fingerprinting. Moreover, by the characteristics of gene sequencing-based localization, the accuracy gain from position entropy, spectral clustering-based signal sequencing, Kullback-Leibler divergence for cluster matching and Allen's temporal logic are also signficantly discussed. Finally, a high efficient and accurate WiFi location tracking and path reconstruction algorithm is proposed. Furthermore, the feasibility of the technical route in this project will also be verified by the analytical discussions and experimental results.

独立于位置指纹的WiFi室内基因测序定位算法研究，秉承了高效、可靠和泛在通信的理念，并同时满足在多源信息融合与复杂环境数据挖掘过程中，系统对用户位置和运动信息的实时性需求。然而，传统WiFi位置指纹法的建立开销、参考点布置的冗余性和盲目性，以及用户运动特征的不确定性，严重影响了个性化位置服务与位置信息管理的效率。本项目将以基因测序位置跟踪算法为研究基础，旨在如何实现WiFi无线网络环境下，基于多用户随机测序定位信息获取、表达与重构，并在无监督和独立于位置指纹辅助条件下，自适应地构建真实物理环境向信号分布转移空间的匹配映射。此外，根据基因测序定位技术的特点，提出定位熵精度增益、信号基因谱聚类测序、Kullback-Leibler差异匹配和Allen行为时间逻辑等数学理论。最终目标是给出一种高效、高精度的WiFi位置跟踪和路径重构算法。最后，通过理论研究与仿真实验，证明本项目技术路线的可行性。

随着WiFi设施的普及和应用，公众对位置需求的增加，以及资源在可用空间内高效管理要求的增加，位置服务得到了广泛的应用。基于WiFi技术的室内定位系统，不需要在现有WiFi网络中增加任何硬件设备，通过软件计算的方法即可实现定位功能，于是得到了广泛的应用。但传统WiFi位置指纹法的建立开销、参考点布置的冗余性和盲目性，以及用户运动特征的不确定性，严重影响了个性化位置服务与位置信息管理的效率。基于此，本课题从四部分展开研究。其一、围绕WiFi接入点（AP）布置及优化，汲取快速离散注水算法的思想，考虑用户位置的隐私保护，并采用新的信号相似度衡量方法，对室内WiFi定位组网方法进行研究，提升了计算机辅助设计AP部署方法的效率和性能，解决了定位系统中可能出现的用户位置隐私泄露问题；同时，利用费歇尔信息矩阵从理论上对室内WiFi定位精度基本限进行推导与仿真，并在实际环境中进行了验证，为AP的位置优化提供了理论依据。其二、围绕联合多元插值与自适应滤波的WiFi室内定位指纹数据库构建与更新方法，改进双三次图像插值，采用自适应中值滤波、径向基插值等方法，构建WiFi定位指纹数据库，同时降低建库所需的人力和时间开销，并对库中指纹信息进行实时矫正更新。其三，围绕室内WiFi高精度被动定位算法，利用模糊规则更新和概率神经网络相关算法，实现了室内WiFi环境下未知目标的入侵检测和定位，解决了传统定位中需要待定位目标携带硬件设备及主动配合的问题。其四，围绕室内WiFi高精度主动定位算法，采用压缩感知、流形对齐、密度聚类等方法，结合用户行为，提出几种新的室内WiFi定位方法，在保证低开销的同时具有较高的定位精度，并对用户行为进行分析以提供更好的定位服务；同时，结合WiFi位置指纹定位和微机电系统（MEMS）传感器定位，实现室内空间跨楼层三维定位。此外，通过与企业合作，对该方法进行了成果转化。研究成果的理论贡献概括为两方面，其一，揭示了WiFi网络拓扑结构与定位精度的内在关联，建立了基于最优期望精度标准的AP位置优化与定位熵增益模型；其二，提出了基于随机多用户接收信号强度（RSS）特征提取、表达与重构的自适应用户运动状态转移图，提高了定位系统的部署效率和环境适应性。该研究成果的实践贡献在于为企业及时掌握室内用户行为特征，为用户提供个性化推荐，并对用户位置服务的智能化、服务化和网络化转型给出参考建议。