基于群智感知和信道状态信息的室内定位与导航研究

Both the increasing popularity of mobile devices and the expanding requirement of indoor location information bring new challenging issues for crowdsensing location computation. Undoubtedly, an essential problem is to utilize wireless signals to precisely present the spatial differences of various locations for effective location computation. Channel State Information(CSI) is able to indicate the characteristics of the communication channel with fine granularity, and can be abstracted from off-the-shelf equipments. In this case, it is regarded as a potential visible solution. The detailed contents of this project are: 1) according to the effectiveness of the sampling, we design a coverage model using the hybrid distribution theory; 2) we quickly and accurately construct a fine-granularity fingerprint map based on the manifold theory. Meanwhile, we propose a distributed updated method for the fingerprint map which satisfies the consensus estimation; 4) To guarantee the privacy protection for the process of evaluation and save the cost of data transmission, we present an energy-efficient protocol of privacy protection for evaluation. Our project will design a effective and practive mechanism and corresponding algorithms for location computation based on crowdsensing and CSI, which is capable of providing the significant theoretical and technical supports to indoor location computation.

随着移动计算的不断发展和室内位置信息需求的扩展，群智感知中的定位和导航研究出现新的课题和挑战。其中，利用无线信号展示空间差异性，并实现有效位置估计无疑是亟待解决的基础课题之一。目前，由于信道状态信息能细粒度响应通信信道特性并可在一般商用设备上实现提取，为更好地实现位置计算提供新的解决方案。为实现高精度位置估计和实时性导航，本项目拟研究内容包括：1）根据采样信号的有效性，利用混合分布理论设计面向有效感知的覆盖模型；2）采用流形理论快速准确地构建细粒度指纹地图，并提出满足一致估计的分布式更新方法；3）通过优化集成学习理论和轻量级异常检测算法实现高精度位置估计。为满足实时性需求，提出面向区域的路径导航；4）针对评价过程的隐私泄露及其通信能耗，设计能量有效的评价隐私保护协议。通过这一研究，本项目将基于群智感知和信道状态信息设计出高效实用的定位与导航方法，为室内位置计算研究提供有效的理论和技术支撑。

本项目面向室内无线信号设计关于定位导航的一系列相关方法，在项目执行过程中，根据研究计划，研究要点和项目执行情况如下：.1）针对指纹地图构建过程耗时费力等问题，本研究设计一种基于多链插值的方法，结合了不同传播链路对待插入点的影响来评估其信号强度。该方法针对不同采样模式，极大降低了地图构建过程的工作量，并且其定位精度甚至优于全采样方式。更重要的是，该方法具有更好的稳定性，特别是当采样量较低时优势更加明显。.2）基于行人航位推算方法往往误差累积大，这导致航迹推算偏差较大，本研究提出了一种基于活动识别和融合滤波的自校正航位推算方法，并实现相应的航位导航系统。该系统可以在大规模场景下达到较高精度的航位推算，并在不同型号设备上实现了实时导航。该方法面向平面场景和立体场景进行大规模实验验证，定位精度均优于当前典型的航位推算方法，包括陀螺仪角速度积分方式、加速度与磁场融合方式。.3）为解决网络节点数据传输的能量有效问题，本研究提出了一种基于CS的能量有效的组网络数据收集方法，解决了实际应用中的三个挑战：群测量矩阵的设计原则、群收集器的选择和几何路由的建立，以及采样停止规则分析。与典型方法相比，所设计的群测量矩阵优于现有的群测量矩阵，并且恢复精度与能量消耗之间的关系与矩阵的参数有关。所提出的两个优化方案在迭代次数和能量消耗方面优于传统的Ricci流。所给出的采样停止规则能够在实践中很好地确定精确重建的时刻，并有效地防止网络节点的能耗浪费。.4）面向行人动作变化和个性化动作识别精度较低等问题，本研究提出了一种基于细粒度窗口和宽度学习的增量动作识别方法，并实现了动作识别系统。该系统具有较好的识别稳定性，并且能够有效面对用户的动作变化，同时可以快速构建出包含特殊动作的识别模型，保证了它在复杂环境下的实用性。该系统不但对动作不变情况下的不同动作有较高识别率，而且对动作改变情况的动作识别率也远优于当前方法。