基于图像与导航通信融合信号自适应耦合的广域室内定位技术研究

As the increasing number of fire and natural disaster, emergency rescue and other application fields need wide-area indoor decimeter-level level positioning technology support. The smartphones which closely contact with the public is an important foundation to achieve wide-area high precision indoor positioning.According to the domestic and international research, we found that the indoor complex environment which included the multipath interference, strong or weak, the light, shade and other factors led to wide-area high-precision indoor positioning technology based smart phones face the huge challenges of coverage blind area cover, real-time, robustness. Through the previous experiments, we found that the coupling positioning method based on the TC-OFDM signal and the image signal can play to their respective location advantage, which has obvious advantages to solve the above problems. In this proposal, we will further research: (1) create a visualization representation model and its optimization method, which to reveal the interactions and mechanisms between the scenarios and feature representation; (2) establish a unified representation model of image features under variety of scenarios, which provides the theoretical basis for the features representation under complex scenarios; (3) accomplish the adopted coupling between TC-OFDM and image signal by using a optimization marginalized particle filter, which explore a new direction indoor for positioning results fusion;(4) research and development dedicated terminals, which is used to verify the theory porposed in this proposal. Through studying this project, the theoretical supportin will be provided for the wide-area indoor decimeter-level level positioning technology based on the coupling of the mobile base stations and visual.

随着火灾、自然灾害的日益增多，应急救援等应用领域亟需广域室内亚米级定位技术的支持。与大众紧密联系的智能手机，是实现广域室内高精度定位的重要基础。国内外研究表明，室内受多径、光照变化等因素影响，导致广域室内高精度定位技术面临信号覆盖盲区、实时性、鲁棒性的巨大挑战。前期实验发现，基于导航通信融合信号TC-OFDM和图像组合的定位方法能够发挥各自优势，具有解决上述问题的明显优势。本项目将进一步研究：（1）提出特征可视化模型及其优化方法，揭示应用场景与特征表示间的相互作用和机制；（2）建立多种场景下图像特征统一表示模型，为任意复杂场景下特征统一表示提供理论依据；（3）采用优化改进的边缘粒子滤波器进行TC-OFDM与图像定位的自适应耦合，探索室内定位结果融合新方向；（4）研发专用测试终端，对理论研究成果进行验证。通过本项目研究，为实现基于移动基站与视觉耦合的广域复杂场景下亚米级室内定位提供理论支撑。

随着火灾、自然灾害的日益增多，应急救援等应用领域亟需广域室内亚米级定位技术的支持。与大众紧密联系的智能手机，是实现广域室内高精度定位的重要基础。国内外研究表明，室内受多径、光照变化等因素影响，导致广域室内高精度定位技术面临信号覆盖盲区、实时性、鲁棒性的巨大挑战。前期实验发现，基于导航通信融合信号TC-OFDM和图像组合的定位方法能够发挥各自优势，具有解决上述问题的明显优势。.经过三年的研究，本项目严格按照年度计划，完成了各年度相应任务，达到了项目考核指标要求本项目取得了以下成果：.（1）提出了一种特征可视化模型及其优化方法，通过对HOG和HOGP特征，使用字典对表达的方法可视化，得到精准的可视化结果，揭示了应用场景与特征表示间的相互作用和机制；.（2）引入了深度卷积神经网络，建立了多种场景下图像特征统一表示模型，为任意复杂场景下特征统一表示提供了理论依据；.（3）采用优化改进的边缘粒子滤波器进行TC-OFDM与图像定位的自适应耦合，构建了一套基于TC-OFDM和图像信号的自适应耦合理论和方法，定位精度优于2米，为实际应用中的进行复杂场景下广域室内亚米级定位的智能手机的研制奠定了技术基础；.（4）在现有智能手机传感器组合的基础上，面向地面室内复杂场景下亚米级定位需求，研发终端2套，选取不同的应用场景，搭建实验系统，对本项目的研究成果进行实验验证；.（5）在导航通信与图像信号耦合建模及定位、图像特征表示模型、图像特征可视化方法等方面公开发表了30篇论文，其中SCI 收录15篇，EI 收录5 篇。在图像特征表达、基于TC-OFDM与图像信号自适应耦合算法等方面申请专利13项。.本项目的成功实施有效解决了复杂场景下智能手机室内定位速度慢，鲁棒性差，无法实现亚米级定位精度的国内外研究难题，为基于智能手机的多传感器组合的高精度定位提供了理论技术支撑，为开拓新导航技术提供借鉴，进一步推动位置服务新发展，并将产生重要的社会经济效益。