学习笔记-关于罗格斯winlab室内定位技术的总结

学习笔记主要针对的是Improving RF-Based Device-Free Passive Localization In

Cluttered Indoor Environments Through Probabilistic Classification Methods这篇文章。

本文是美国罗格斯大学winlab实验室的许辰人博士的一篇发表在B类会议IPSN的一篇小论文。主要讲述的是winlab在隐式室内定位技术方面的相关工作,也是我们现今工作的一个重要基础,现对这篇文章作简要总结。

现如今,有很多的基于射频的室内定位技术被提出,但是其中大部分的技术都需要定位目标人群身上携带一个无线收发装置来实现一种主动式的室内定位,当然,其中的弊端不言而喻。比如,对一些老年人可能并不能保证时刻都能在身上携带这个设备,同时也不是很方便。基于这些限制,隐式的室内定位技术被提出。也就是目标人群身上无须携带任何收发装置就可以实现精确的室内定位。最先提出这个技术的是美国约瑟夫教授,他也相应在这个技术上写了很多的文章。许博士基于前人的研究现状,提出了一种基于室内单元“指纹”识别技术来判断目标所处位置,利用某单元中的人体对环境中的信号传播链路产生的干扰信息来作为指纹信息,建立相关室内所有单元的指纹库,最后运用多种概率判定的方法实现单元分类实现最终定位。

文章首先利用多组实现来说明人体对链路信息的干扰情况,射频频段的影响,以及环境中链路的高低对实验效果的影响。结果表明433.1MHz下人体对链路的干扰十分明显。后面提出了一种室内定位的算法PC-DFP,将环境中所有链路link值作为一个单元样本,如单元k,对应RSS信息为 [xk,1, ..., xk,L]。指纹判定识别总共采用了三个方法进行对比,分别是LDA、QDA、MED。最后的三个方法的对比结果为:

捕获

结果表明LDA的效果是最好的。文章后面也对指纹库的生命周期进行了简单研究,发现随着时间的流逝,指纹库的定位精度会逐渐降低,如何解决这个问题也是许博士他们后面也做了一些工作,在这就不阐述了。

文章还对tracking追踪进行了相关描述,主要也是运用多组定位信息实现目标的路径追踪。

最后,文章对训练集和测试集的采集方法也进行了阐述,并提出了多个实验采集方法,也有最后实验结果的对比图。

文章总结表明提出的基于指纹识别的室内定位方法的平均定位精度在环境较简单的宿舍公寓环境中可以达到97.2%,而在环境比较复杂的办公场所中也能达到93.8%。定位效果还是非常理想的。

anyShare分享到:
This entry was posted in 学习笔记. Bookmark the permalink.

发表评论