基於群智信息感知模式的WiFi室內定位系統中Radio Map構建方法

《基於群智信息感知模式的WiFi室內定位系統中Radio Map構建方法》是依託哈爾濱工業大學，由馬琳擔任項目負責人的面上項目。

基本介紹

• 中文名：基於群智信息感知模式的WiFi室內定位系統中Radio Map構建方法
• 依託單位：哈爾濱工業大學
• 項目類別：面上項目
• 項目負責人：馬琳

項目摘要

基於位置指紋技術的WiFi室內定位是未來最具廣泛套用潛力的室內定位導航系統。然而，目前困擾其普及的最大技術瓶頸就是Radio Map建立的方式耗時費力，不利於廣泛推廣。本項目提出基於群智信息感知模式來構建Radio Map，基本思想是在不影響用戶正常使用的前提下利用智慧型移動終端各種感測設備(WiFi網卡和慣導器件)在後台感知周圍環境，並將感知信息上傳給伺服器最終形成Radio Map，從而在保證定位精度的前提下大大降低Radio Map構建成本。本項目交叉融合機器學習理論、凸最佳化理論、流形學習理論、模式識別以及控制學科等各領域知識，主要解決群智信息感知模式下構建Radio Map過程中出現的各種問題，包括終端多樣性測量數據融合、信號空間填充與恢復、位置空間特徵點的最佳匹配問題以及稀疏位置空間的估計與預測。本項目的研究將為未來WiFi室內定位系統的推廣提供值得借鑑的有效方法。

結題摘要

本項目以群智信息感知為基礎，重點研究WiFi室內定位系統Radio Map的低成本、高精度構建方式。交叉融合機器學習理論、凸最佳化理論、流形學習理論、模式識別以及控制學科等各領域知識，提出各種最佳化和創新算法，從而解決WiFi室內定位系統推廣和普及的技術瓶頸問題。本項目建立了終端測量數據差異性融合模型，研究了Radio Map信號空間和位置空間的歐氏距離抗噪能力，消除了由終端多樣性引起的測量數據差異對線上定位的影響；分析並發現了稀疏低秩Radio Map信號空間的填充機理，研究了基於l1範數最小化的矩陣恢復理論和算法，從而合理地利用高維數據信息從較大但稀疏的誤差中恢復出本質上低秩的信號空間數據；研究了無初始位置約束條件下移動終端運動軌跡與地圖路徑匹配方法，分析並獲取了運動軌跡和地圖特徵點間的相對位置關係匹配機率矩陣，提出了相關啟發式搜尋軌跡搜尋算法，實現了搜尋空間最小化的最佳匹配；挖掘了大量無標記參考點所包含聚類信息的流形結構，分析了此類參考點的低維映射，給出了基於流形距離測度的相似度度量，使得最終獲得的相似度矩陣更加符合真實Radio Map的潛在結構，從而更加準確的估計與預測未標記參考點的位置空間信息。與此同時，考慮到目前智慧型手機基本上都配置了攝像頭，志願者可以同時開啟攝像頭獲取圖像信息。這樣，智慧型手機不僅可以通過慣導設備獲取參考點的位置空間，同時也可以利用攝像頭的圖像數據來獲取。因此，為了更好地完善指紋地圖，增強室內定位精度，本項目創新性地提出利用圖像信息來豐富室內Radio Map指紋資料庫。這種聯合電磁信號和圖像信息的方式，使得智慧型終端能夠更加方便、準確地在WiFi室內環境中實現定位。自立項以來，項目組共發表文章34篇，其中SCI期刊16篇，EI期刊2篇，EI源會議文章16篇；申請專利24項，其中已授權8項。培養博士生3人，碩士生6人，本科生6人。期間共聘請國外知名學者講學8次，共出國訪問9次。各項指標均實現了項目申請時的預期成果。