英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料
无离线指纹地图的室内定位技术综述
Beakcheol Jang ， Member ， IEEE， and Hyunjung Kim
摘要—基于指纹的无线室内定位方法广泛用于基于位置的服务，因为无线信号（如无线网络和蓝牙）目前普遍存在于室内空间。指纹技术的工作原理是预先从室内环境如房间或建筑物中采集指纹，创建指纹地图，并使用该地图来估计用户的当前位置。指纹技术与高水平的准确性和可靠性相关联。但是，指纹图必须完全重新创建，不仅是在添加、修改或删除无线接入点时，而且在由于无线信号的性质而改变室内特征（如墙壁或甚至家具）时。许多研究人员已经意识到指纹技术中的问题，并正在进行研究来解决它们。在本文中，我们回顾了不需要构建离线指纹图的室内定位技术。我们将它们分为同步定位和映射；内插/外推和基于众包的技术，并描述它们的算法和特征，包括优点和缺点。我们根据自己的参数对它们进行比较：准确性、计算时间、通用性、健壮性、安全性和参与性。最后，提出了室内定位技术未来的研究方向。我们相信，本文提供了关于最近的室内定位技术的有价值的信息，而无需离线指纹图谱构建。
索引术语—室内定位，离线指纹图谱，SLAM，内插/外推，众包。
- 引言
在21世纪，智能手机、平板电脑和智能手表等各种移动设备得到了发展，它们得到了迅速和广泛的传播[1]，[2]。移动设备用户数量的增加导致了基于移动设备所确定的用户位置的各种服务和应用的发展。各种研究都强调了精确捕捉用户当前位置的定位技术的重要性[3]–[10]。
定位技术大致分为室外定位技术和室内定位技术。室外定位技术使用全球定位系统信号[11]–[15]。然而，全球定位系统信号是卫星信号，表现出很强的线性，因此容易被建筑物衍射和反射。因此，GPS信号不能穿透建筑物墙壁，也不能用于室内定位[16]，[17]。由于缺乏全球定位系统，研究人员一直在研究各种用于室内定位的无线媒体。
室内定位技术使用无线保真（Wi-Fi）[21]–[24]，蓝牙[25]–[28]，视觉[29]–[31]，地磁[32]，基于惯性传感器的定位[33]，[34]，超宽带[35]，射频识别[36]，超声波或声音[37]，[38]，光[39]–[42]，以及行人航位推算（PDR）[43]。在这些技术中，无线网络与其他基础设施相比具有最大的优势。它的主要优点是普遍性。不需要在建筑中安装额外的设备或给移动设备添加额外的部件。此外，许多人可以轻松使用无线网络，因为它是一种比其他技术更熟悉的技术。因此，无线网络基础设施吸引了最多的研究关注，产生了最多的现存研究。
图1说明了室内定位技术的分类。在该领域研究的早期阶段，研究人员使用已经在室外使用的三角测量技术进行室内定位。然而，由于室内有障碍物，很难通过三角测量准确确定室内位置。因此，研究人员选择要么改进三角测量法[44]-[48]，要么转向指纹技术[49]-[52]。
图1. 室内定位技术分类
指纹技术比三角测量或其他技术更精确[53]，[54]。但是需要离线指纹图谱构建的初步步骤，耗费了相当多的时间和精力。添加、修改或删除无线接入点时，指纹图谱必须完全重新构建。此外，每当室内特征（例如墙壁甚至家具）发生变化时，都需要重建指纹图；因为无线信号环境的变化可能会扭曲指纹图谱。
为了克服指纹技术的这些局限性，许多研究人员进行了各种研究。广泛的调查研究回顾和分析了各种无线室内定位方法，它们提供了关于最新技术的有用和有价值的信息[55]–[65]。然而，他们大多只专注于基于指纹的方法。我们可以争辩说，离线指纹地图构建所需的努力是极其劳动密集型的，因为室内空间往往是巨大而复杂的，并且需要重复测量。
本研究的目的是对不需要构建离线指纹图的室内定位技术进行及时、有价值和详细的比较。我们将它们分为同时定位和映射（SLAM）[66]，[69]–[71]，内插/外推[72]，[73]和基于众包的技术[67]，[76]–[82]，并描述了它们的算法和特征，包括优缺点。SLAM技术创建未知环境的地图，并根据人的估计位置和环境的地标实时跟踪用户的位置。由于其有效性和在各种领域的广泛应用，许多SLAM技术已被应用于室内定位，例如自动驾驶汽车、无人驾驶飞行器和机器人[68]。在这项研究中，我们调查了高斯过程潜变量模型（GP-LVM）[69]，GraphSLAM[70]，和WiSLAM[71]。其他研究侧重于接入点的位置，而不是使用SLAM技术。他们计算接入点的位置，并估计用户的位置，而无需离线构建指纹地图。本研究提出并讨论了三角插值和外推（TIX）[72]和信号距离图（SDM）[73]。移动设备在人群中的使用越来越广泛，这导致了众包技术的使用，通过利用设备中的多个系统从用户处获取数据来构建建筑地图[74]，[75]。利用众包技术，用户使用众包信息构建地图，同时提供信息[76]–[82]。在这项研究中，我们回顾了WalkieMarkie[81]和健壮的基于众包的室内定位系统（RCILS）[82]。我们根据自己的参数对它们进行比较:准确性、计算时间、通用性、健壮性、安全性和参与性。最后，提出了室内定位技术未来的研究方向。
本研究的其余部分组织如下。我们在第二节介绍了定位技术和指纹技术的概念和问题。在第三节中，详细描述了SLAM系列技术。第四节介绍了内插/外推技术。在第五部分，我们介绍了基于众包的技术。第六节根据重要标准分析了调查的技术。第七部分提出了室内定位技术未来的研究方向，第八部分总结了我们的研究。
- 背景
- 定位技术
定位技术确定静止或移动的人的位置。在室外环境中，大多数基于用户位置的系统或服务使用全球定位系统。
图2. 阻挡和反射GPS信号.由于这种现象,这些设备无法在室内环境中接收全球定位系统信号
GPS是基于卫星信号的导航系统[83]。GPS接收三颗以上卫星的信号。因此，它可以使用三个不同的距离，通过后方交叉路口的三边测量来精确地估计用户的当前位置。全球定位系统的精度在4.9米（16英尺）以内。开阔天空下的半径[84]。然而，在室内环境中，我们不能使用GPS。图2显示了这种现象的原因。GPS信号通过波传播，波的频率不容易穿过固体物体，如建筑物的墙壁。因此，不幸的是，全球定位系统信号不能轻松穿透这种屏障，这使得它在室内定位中无用。
室内基础设施的三角测量过程是有助于填补全球定位系统空白的技术之一。全球定位系统使用三角测量。因此，研究人员将三角测量移植到室内基础设施上，如蓝牙[85]。室内三角测量过程通过以下过程测量用户的位置。首先，用户的移动设备捕捉由室内基础设施发射的无线无线电信号。此外，该设备从相同的信号中选择三个最强的信号。设备使用所选信号的强度来计算基础设施和设备之间的距离。最后，设备利用计算的距离来估计用户的位置。三角测量过程很容易理解，当它用于测量大范围的位置时是有效的。然而，三角测量在室内定位方面有几个缺点。它不能在少于三个基础架构的环境中使用。此外，它取决于信号强度。然而，在室内环境中，存在阻碍信号顺利接收和信号强度精确测量的障碍物和房间隔断。这导致距离计算中的主要错误。因此，在有障碍物和房间隔断的室内，三角测量效果不好。结果，研究人员发现了一种新技术：指纹技术。
图3. 线下培训阶段
图4. 基于指纹信息的无线电地图
- 指纹技术
指纹技术比传统的基于基础设施的室内定位技术更精确，包括三角测量技术[86]，[87]。它利用现有的基础设施，如无线网络，提供基于位置的服务[88]，[89]。这意味着指纹技术不涉及新基础设施或硬件的安装，从而节省时间和金钱。
基于指纹的系统包括两个阶段：离线训练和在线位置估计阶段。图3显示了离线训练阶段。在离线培训阶段，用户在一个房间里移动，房间里有各种移动设备，如智能手机、平板电脑和智能手表。当训练设备从运动路径中选择感兴趣的位置时，该设备以接收信号强度（RSS）的形式收集该位置的指纹。随后，设备基于指纹信息创建无线电指纹图，如图4所示。图5显示了在线位置估计阶段。在在线位置估计阶段，用户与客户端设备一起在房间中移动。由客户端设备测量的指纹被发送到客户端设备内的定位引擎。定位引擎将观察到的指纹与离线训练阶段生成的地图进行比较，并返回最佳匹配。然而，指纹技术有三个问题，包括时间消耗、接收RSS的错误和对环境变化的脆弱性。
首先，指纹识别技术包括一个先决条件，即指纹应该事先在房间里收集[90]。这意味着必须提前使用训练设备收集指纹.这项活动耗费了大量的时间和精力[91]，[92]。
图5. 在线位置估计阶段
- 现有指纹图谱提供的准确性和精确度不应改变，即使环境发生意外变化。例如，在室外环境中，2–3米的定位误差相对较小。在室内环境中，如果出现这种错误，客户端设备可能会根据周围环境和时间指示用户超出了原始位置或墙外[93]。因此，室内定位技术在任何给定的时间或设置下都需要高精度。然而，指纹技术很难满足这一要求，因为这种现象涉及多径传播[94]。与室外环境相反，无线电信号在室内被各种障碍物（如墙壁、柱子和个人）反射、衰减、衍射或熄灭。考虑到这种传播模式，甚至在从RSS到距离的转换中也会导致几个错误。
最后，即使在室内环境中添加、替换或修改了单个接入点，使用现有指纹图谱的应用程序和服务也不能使用旧图谱。室内结构的微小变化，包括墙壁甚至家具，可能会使现有指纹图谱的效用失效。在这种情况下，必须从头开始创建新的指纹图谱。这又需要相当多的时间和精力。此外，接入点的更换或修改以及室内结构的改变并不罕见。因此，离线指纹图谱的使用可能会带来很大的负担。
- SLAM 系列技术
- SLAM
移动机器人使用SLAM技术来构建未知环境的一致地图，同时确定其在构建地图中的位置[95]。在SLAM中，人的路径和地标的位置都是在线估计的，而不需要任何先前的环境或位置知识。
图6. 本质SLAM问题
图6示出了人在环境中的运动，其用设备检查未知地标的相对观察。在时间定义了以下值。指示人的方向和位置的状态向量。是在时间应用来估计状态的控制向量，状态是人在时间的下一个位置。是描述第地标的位置的向量，假设第地标是同时的真实位置。是在时间从该人处获得的对该地标位置的观察。
除了上述值，还可以生成以下集合。是被传递人的位置集合。是控制输入的集合。是所有地标的集合。是一组地标观测值.。
SLAM使用上述值来估计用户的位置。因此，SLAM要求所有时间的概率分布。
（1）
当给出记录的观测值、控制输入、人的第一状态和时间时，概率分布示出了地标位置和人的状态在时间的联合后验密度。一般来说，在SLAM中递归解决方案是可取的。
联合后验概率由贝叶斯定理[96]用控制输入和观测值计算，从时刻分布的估计开始。计算需要定义状态转移模型和观测模型，它们分别描述控制输入和观测的效果。
SLAM算法以标准的两步递归(顺序)预测(时间更新)和校正(测量更新)形式实现。时间更新计算如下：
（2）
测量更新计算如下:
（3）
等式（2）和（3）示出了基于所有控制输入、观测值和时间计算关于状态和映射在时间的联合后验的递归操作。该映射是通过合并来自不同位置的观测值而构建的。此外，状态可以通过计算概率分布来公式化。研究人员将这种技术应用于室内定位，并获得了以下技术。
- GP-LVM
费里斯等人[69]介绍了GP-LVN虚拟机，它将三维（3D）数据映射到二维（2D）潜在空间。3D数据对应于环境中所有接入点的信号强度，GP-LVM将数据映射到2D空间，该空间根据x和y坐标进行解释。
通常，当用户通过指纹识别进行室内定位时，客户端设备测量接入点的信号强度，并将它们存储在指纹图谱中。此外，基于生成的指纹图，客户端设备将由用户设备测量的接入点的值与存储在指纹图中的接入点的值进行比较，以估计用户的当前位置。然而，在这种传统的指纹识别方法中，存储的AP值是固定的，它们不能反映室内环境的任何变化。
GP-LVM不存储接入点的信号强度作为固定位置信息。它将测量数据视为潜在变量。随后，它随机地模拟存储的潜在变量和由客户端设备测量的实际数据之间的关系，并通过优化边际似然性来恢复它们。GP-LVM大奖赛有三个先决条件。首先，彼此靠近的接入点具有相似的信号强度，并且每个信号强度的值在不同的位置是唯一的。第二，在彼此靠近的位置测量信号强度的相似值。GP-LVM全科医生要求在路径环路闭合时（即，当患者返回到先前就诊的位置时）检测到这种情况。最后，数据流中顺序测量的位置应该彼此接近。该约束模拟了一个事实，即数据是由一个走过建筑物的人收集的。此外，没有测量前的路径数据；因此，用户
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[259173]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
