GNSS新技術(shù):室內(nèi)定位的發(fā)展

摘要：《一種基于CSI的卡爾曼濾波室內(nèi)定位測(cè)距模型》這篇文章提出了一種基于卡爾曼濾波的室內(nèi)測(cè)距模型。

在室內(nèi)環(huán)境無法使用衛(wèi)星定位時(shí)，使用室內(nèi)定位技術(shù)作為衛(wèi)星輔助定位，解決衛(wèi)星信號(hào)到達(dá)地面時(shí)較弱、不能穿透建筑物的問題。比較終定位物體當(dāng)前所處的位置。哈爾濱RTK公司提示您在移動(dòng)互聯(lián)的時(shí)代，室內(nèi)定位具有極好的商業(yè)前景。

《基于智能手機(jī)的群源PDR和室內(nèi)建圖研究》這篇文章研究了基于智能手機(jī)的群源PDR和室內(nèi)建圖。該研究提出了一種新穎的步長(zhǎng)估計(jì)算法，用于手持或位于口袋中的智能手機(jī)。步進(jìn)檢測(cè)算法包括步長(zhǎng)估計(jì)的步行方向變化，通過確定每個(gè)步驟的準(zhǔn)確性來評(píng)估不同的算法。該算法展示了一種新穎的PDR，能夠通過檢測(cè)不同的運(yùn)動(dòng)過程來補(bǔ)償誤差，并通過二維六邊形網(wǎng)格表示訪問過的接收機(jī)位置，生成行人運(yùn)動(dòng)的地圖，另外映射WLAN站（RSS，ID）、藍(lán)牙錨點(diǎn)和移動(dòng)通信站的信息，這樣便可以建立可用于指紋識(shí)別的建筑物的準(zhǔn)確數(shù)據(jù)庫(kù)，從而提高每個(gè)行人的整體定位精度。

為了驗(yàn)證改進(jìn)的算法，評(píng)估基于移動(dòng)行人的測(cè)量數(shù)據(jù)，工作人員使用Google Pixel 3記錄了傳感器數(shù)據(jù)，并應(yīng)用于所有的步行和行人。測(cè)試在辦公樓的內(nèi)外進(jìn)行，提出的算法對(duì)行人在局部坐標(biāo)系中的位置進(jìn)行了估計(jì)。測(cè)量中，研究人員假設(shè)至少有一個(gè)行人進(jìn)入建筑物前，在室外行走，因此，GNSS接收機(jī)用于初始化室外行人的位置，以固定坐標(biāo)系。評(píng)估表明，對(duì)于一個(gè)行人，所開發(fā)的定位算法的水平定位誤差約為2米。在多個(gè)行人共享獲取的地圖后，行人的位置精度可達(dá)亞米級(jí)。

《一種基于CSI的卡爾曼濾波室內(nèi)定位測(cè)距模型》這篇文章提出了一種基于卡爾曼濾波的室內(nèi)測(cè)距模型。通過訪問修改過的Intel Wi-Fi無線鏈路5300的設(shè)備驅(qū)動(dòng)程序，從ieee802.11 n網(wǎng)絡(luò)接入點(diǎn)的多個(gè)天線和多個(gè)子載波中提取原始振幅信息。此外，利用基于CSI傳播模型的加權(quán)質(zhì)心算法來獲得比較終的估計(jì)位置。在兩個(gè)具有代表性的室內(nèi)環(huán)境中進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有的基于RSSI的方法相比，該方法可以有效地減少定位誤差，獲得更高的精度。

在文中，研究人員提出了一種基于卡爾曼濾波CSI的新型測(cè)距模型。與現(xiàn)有的有效CSI衰減對(duì)數(shù)模型法相比，該方法可以產(chǎn)生更準(zhǔn)確的距離信息，并適用于更廣泛的測(cè)距場(chǎng)景。本文的主要貢獻(xiàn)如下：首先，獲取了一種新穎的室內(nèi)測(cè)距模型，將信道狀態(tài)信息與衰減因子模型結(jié)合在一起；其次，利用卡爾曼濾波，對(duì)獲取的CSI信號(hào)進(jìn)行濾波，并獲得了較高的CSI估計(jì)值，從而提高了測(cè)距模型的性能；比較后，使用普通筆記本電腦和Intel 5300網(wǎng)卡，不需要其它特殊設(shè)備即可應(yīng)用建議的室內(nèi)定位算法。兩種不同室內(nèi)環(huán)境中所進(jìn)行的實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)方法相比，該方法在精度和穩(wěn)定性上具有更大的優(yōu)勢(shì)，并且實(shí)現(xiàn)了較低的成本，受到廣泛的歡迎。未來的工作包括研究結(jié)合不同室內(nèi)環(huán)境下的卡爾曼濾波CSI和衰減因子模型的室內(nèi)測(cè)距模型，以及基于卡爾曼濾波CSI的室內(nèi)指紋定位算法。

《通過WLAN信道狀態(tài)信息和機(jī)器學(xué)習(xí)分類方法進(jìn)行室內(nèi)定位》這篇文章研究了通過WLAN信道狀態(tài)信息和機(jī)器學(xué)習(xí)分類法進(jìn)行室內(nèi)定位，提出了一種用于CSI測(cè)量提取的基于WLAN OFDM的快速原型SDR接收機(jī)，使用LV作為軟件原型平臺(tái)，在軟件無線電環(huán)境中實(shí)現(xiàn)了基于OFDM的WLAN接收機(jī)。

通過這項(xiàng)工作，研究人員得出結(jié)論，由于眾所周知的擾動(dòng)的影響，相較基于RSS的方法，CSI的測(cè)量結(jié)果更為穩(wěn)定。研究人員提出的FFNN模型在室內(nèi)環(huán)境下的平均精度為1.3 m，標(biāo)準(zhǔn)偏差為0.8 m。這種近米級(jí)的精度非常適合在雜亂的環(huán)境中進(jìn)行室內(nèi)導(dǎo)航。研究人員還將FFNN與不同參數(shù)（如52個(gè)和28個(gè)副載波）及不同數(shù)量的訓(xùn)練樣本進(jìn)行了比較，得出的結(jié)論是，應(yīng)針對(duì)室內(nèi)環(huán)境量身定制神經(jīng)網(wǎng)絡(luò)。但是，與其它分析方法相比，它對(duì)分類而言還是有效果的。未來的工作中，研究人員將會(huì)嘗試其它神經(jīng)網(wǎng)絡(luò)，如卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)。由于SDR-Fi會(huì)以被動(dòng)方式（而不是使用CSI工具）捕獲信標(biāo)幀，因此未來還計(jì)劃探索多種AP方案。這項(xiàng)工作源于（基于DSSS）舊版本802.11b有關(guān)的SDR工作，因此，對(duì)于具有不同分類方法的IPS（室內(nèi)定位系統(tǒng)），將進(jìn)一步探索傳統(tǒng)Wi-Fi以獲得時(shí)域的信道沖激響應(yīng)。

《用于無人機(jī)室內(nèi)定位的運(yùn)動(dòng)視覺重構(gòu)》這篇文章研究了用于無人機(jī)室內(nèi)定位的運(yùn)動(dòng)視覺結(jié)構(gòu)。與雷達(dá)或激光雷達(dá)相比，視覺里程計(jì)（VO）和運(yùn)動(dòng)重構(gòu)（SFM）等視覺處理通常用于基于特征的定位，因?yàn)橄M(fèi)級(jí)攝像機(jī)可以滿足大多數(shù)應(yīng)用的需求，包括有效載荷、尺寸、成本和可用性。該研究提出了特征提取和匹配方法的比較佳組合，使SFM能夠?yàn)槭覂?nèi)環(huán)境中的無人機(jī)提供比較精準(zhǔn)的定位解決方案。本研究探索了通過SFM算法獲得比較佳定位精度的新方法。研究提供的所有實(shí)驗(yàn)數(shù)據(jù)都是在室內(nèi)實(shí)驗(yàn)室環(huán)境中采集的，其中小型無人機(jī)及其機(jī)載攝像機(jī)記錄周圍環(huán)境的視頻幀。參考定位解決方案由高精度紅外攝像機(jī)組提供。在UAV車載攝像機(jī)的校準(zhǔn)過程中，使用傳統(tǒng)的棋盤方法計(jì)算基本的攝像機(jī)參數(shù)如SIFT、AKAZE、ORB和SURF，以Lowe的ASCII格式檢測(cè)保存特征點(diǎn)信息。匹配過程在特征檢測(cè)之后開始，BF匹配算法和FLANN匹配算法在不同的參數(shù)設(shè)置下工作，通過不同圖像對(duì)的匹配點(diǎn)數(shù)可以確定圖像對(duì)的軌道。下一步修改初始化對(duì)的選擇條件，并找到幾組初始圖像對(duì)進(jìn)行構(gòu)造。比較后，所有數(shù)據(jù)組都可以在VisualSFM、COLMAP和OpenSFM中使用。將提取位置相關(guān)信息以與參考系統(tǒng)進(jìn)行比較。在受控的室內(nèi)環(huán)境中進(jìn)行多次試驗(yàn)后，提出了特征提取和匹配方法的比較佳組合，使SFM能夠?yàn)槭覂?nèi)環(huán)境中的無人機(jī)提供比較精準(zhǔn)的定位解決方案。此外，該研究還探討了如何優(yōu)化SFM以實(shí)時(shí)運(yùn)行。