基於射頻感測網的室內定位關鍵技術研究

《基於射頻感測網的室內定位關鍵技術研究》是依託西安電子科技大學，由杜軍朝擔任項目負責人的面上項目。

基本介紹

• 中文名：基於射頻感測網的室內定位關鍵技術研究
• 項目類別：面上項目
• 項目負責人：杜軍朝
• 依託單位：西安電子科技大學

中文摘要

本課題從基本理論、算法設計和實驗驗證角度，研究基於射頻感測網的室內定位關鍵科學技術問題，包括：（1）針對裝配電子羅盤與加速度感測器的無線智慧型設備，研究如何綜合射頻網路和設備感測器的定位問題，設計和實現算法來提高定位精度、減少構建定位系統的工作量。擬採用行人航跡推算技術、群智技術和基於自學習的室內地標校準技術解決定位問題。（2）若無線定位設備可提供射頻晶片物理層CSI信息，研究如何利用CSI來精確測量移動設備和射頻網參考點的距離和角度，從而提高定位精度和降低能耗。擬採用直接路徑能量法消除無線多徑傳輸對測距的影響和採用AOA技術與位移檢測結合算法測定角度。（3）針對未攜帶定位設備的定位目標，研究如何僅利用射頻感測網構建射頻場模型、射頻信號測量模型和定位模型。擬採用射頻斷層成像技術和雷達領域ISAR技術來定位目標。該課題的研究成果對移動網際網路LBS服務、災難救助和反恐類套用提供關鍵技術支持。

結題摘要

（1）研究如何基於射頻感測網建立射頻場模型、無線信號測量模型和定位模型。解決了在射頻識別（RFID）系統中出現的標籤無法讀取的問題，通過定義隱藏標籤問題，提出了一種統一且可測量的模型，揭示了隱藏標籤問題出現的根本原因。 （2）研究綜合智慧型設備的多感測器的定位問題。使用智慧型手機內置的加速度和磁力感測器對設備攜帶者進行了定位與活動追蹤，提出了基於特定活動的採樣和分類特徵選擇策略、基於學習的活動模式預測算法和運行時參數調整策略，實現了定位和活動識別精度高、能耗低的目標；提出了一種對污染源進行定位的方法，結合多種類型的感測器（包括高解析度攝像頭、氣體濃度感知器等）採用粒子群搜尋算法對無線直升機的位置進行定位與更新，使無線直升機逐漸靠近污染源，實現污染源定位。 （3）研究基於射頻感測網的感測數據收集問題。提出了CrowdBlueNet作為數據收集的載體，CrowdBlueNet使用了我們自主設計的路由表與套用層協定，該套用層協定用來在點對點多跳藍牙組網中實現多跳數據傳輸，並且我們使用CrowdBlueNet通過對目標進行定位與分析實現了人群流量監控。構建信息勢場（IPF）對於無線感測網路收集數據是一個重要的課題，我們提出了在大規模無線感測網路中平衡IPF的能效和質量的目標，其次我們提出兩種節能算法通過加速疊代過程的收斂速度來構建理想的IPF。 （4）研究了深度學習模型在射頻感測網定位中的套用。在對射頻感測網定位技術的研究中，使用深度學習模型實現對感測數據的處理與分析，構建了一系列基於深度神經網路的聲音事件感知系統，該工作為進一步研究如何使用深度學習模型處理射頻感測網多模態的數據奠定了研究基礎。 （5）研究了在資源受限平台部署深度學習模型的方法和技術。射頻感測網的邊界計算節點具有計算能力弱、能耗有限。為了在諸如移動智慧型終端、嵌入式設備中部署深度學習模型，我們提出了Adadeep框架實現了深度學習模型根據資源約束條件的自動化壓縮。 本項目組在普適計算領域頂會Ubicomp2017（CCF A類會議）上發表的論文榮獲“Distinguished Paper Award”，在移動計算知名會議Mobisys2018也發表了論文，證明了本項目組在該基金中的研究成果獲得了國際學術界肯定。