基于群智感知和动态优化的无线定位方法研究

Traditional method for establishing radio map involves intensive time and labor cost, which limits the development of fingerprint localization using wireless local area network. Solving this problem with crowdsensing has been one of the research hot spots and will be the future development trend. Regarding current existing problems like crowdsensing data quality assurance and reference point distribution, this project collects location information of crowdsensing fingerprint using electronic map, GNSS and so on in order to increase the number and extend the coverage area of reference points. On this basis, this project proposes: 1) a detection method for abnormal crowdsensing data. The method detects abnormal data using their statistical and spatial correlation characteristics to guarantee the data quality; 2) an accurate interpolation method for establishing radio map. The method partitions localization area into subareas and then optimizes the interpolation model in each subarea to establish the radio map accurately; 3) a dynamic optimization method of localization performance with crowdsensing data. The method optimizes localization algorithm as well as correct localization coordinates with crowdsensing data for accuracy improvement. Meanwhile, the feasibility of the technical route is proved through theoretical research and analysis. The aim of this project is to improve system performance and practical application of wireless localization in order to provide a high-accuracy and low-cost solution for location-based service, and also to promote the theoretical research and practical application of wireless localization based on crowdsensing and dynamic optimization.

传统射频地图建立方法耗时费力，制约了无线局域网指纹定位的发展。利用群智感知解决该问题成为当前研究热点和未来发展趋势。针对所存在的群智数据质量保证、参考点分布等问题，本项目拟利用电子地图、GNSS等多种方式获得群智指纹数据的位置信息，增加参考点数量和覆盖范围。在此基础上，拟提出异常群智数据检验方法，该方法利用指纹数据的统计特性和空间相关性从不同角度检验异常数据，有效提高数据质量；拟提出射频地图精确插值建立方法，该方法将定位区域合理划分并优化子区域的插值模型，实现精确插值建立射频地图；拟提出利用群智数据动态优化定位性能的方法，该方法不仅利用群智数据优化定位算法，还修正定位坐标，从而提高定位精度，并通过理论研究和分析验证了技术路线的可行性。本项目的研究目标在于提高无线定位系统性能和实用价值，为位置服务提供一种高精度、低成本的解决方案，促进基于群智感知和动态优化的无线定位理论研究和实际应用的发展。

无线局域网(Wireless Local Area Network, WLAN)指纹定位由于接收信号强度(Received Signal Strength, RSS)易于测量和接入点布置广泛成为研究的热点。但是传统的射频地图建立方法耗时费力，加之射频地图还需根据室内无线环境变化而更新，这严重限制了该定位方法的实际应用。为解决该问题，研究人员开始利用群智感知建立射频地图，以降低时间和人力成本。但是仍存在群智数据的质量无法保证、群智点分布不均等问题。针对上述问题，本项目的主要工作包括：1）基于孤立森林算法的异常群智数据检验方法。孤立森林算法是一种无监督异常数据检验方法，具有复杂度低和精度高等优点，适用于来自同一接入点的异常RSS数据的检验，可以有效提高群智数据质量。2）基于群智感知和Voronoi图的射频地图建立方法。首先设置一定数量的位置坐标已知的群智点供群智参与者采集群智数据，根据群智点的位置利用Voronoi图对定位区域空间划分，在每个子区域利用群智数据优化传播模型估计相同子区域内插值点的RSS数据，从而插值建立射频地图。该方法不仅节省了射频地图建立的成本，而且利用所采集的群智数据还可动态更新射频地图，从而动态训练和优化指纹定位和跟踪算法。3）基于堆叠改进稀疏自编码器的指纹定位算法。该算法从预处理后的RSS数据中提取数据特征，以提升深度神经网络的学习能力。通过堆叠三个改进稀疏自动编码器的编码器并且增加一个输出层可建立堆叠改进稀疏自编码器用于指纹定位，达到较高的定位精度。4）基于循环神经网络的跟踪算法。通过在已训练的堆叠改进稀疏自编码器定位模型基础上增加上一时刻的位置坐标作为额外的输入向量实现循环神经网络结构的建立。该算法利用上一时刻的位置坐标计算当前时刻的定位结果，进一步提高了定位精度。