引言
最近,在通过众包从普通用户收集传感器数据以促进构建无线电地图的过程中已经进行了许多工作,其中调查来自普通用户的数据以依赖于诸如地标和信号标记的各种室内标记来恢复其原始位置[4]-[11]。地标是目标区域的环境特征,
Zee [4]是一种具有零努力校准的开创性众包室内定位系统,它需要一个楼层计划来过滤不可行的位置,并最终定位用户。UnLoc [5]是另一种众包室内定位系统,其中需要具有这些室内地标位置的楼层平面图来校正PDR(行人航位推算)轨迹。ALIMC [17]基于活动识别算法发现室内地标,并使用链路节点模型来构建室内路径。
贡献
- 用于轨迹合并的WiFi-RITA:目标是从大量嘈杂的用户轨迹中恢复室内步行路径。WiFi-RITA合并了大量具有不确定旋转误差的短轨迹。我们扩展的WiFi-RITA支持任意的智能手机的态度,通过增强的方法来生成,分区和选择PDR的痕迹,这可以增加收集的众包痕迹的痕迹合并的数量。
- 离群值去除:WiFi-RITA的合并轨迹通过检测和移除离群轨迹和步长点而被进一步增强,这可以增加众包定位中的合并轨迹和估计的用户位置的准确性。
- ·用户定位:WiFi-RITA定位的目标是基于具有有限覆盖范围的噪声众测无线电地图来提高定位精度。考虑到嘈杂的人群感知无线电地图,首先设计多变量高斯模型来生成基于网格的无线电地图和增强的匹配算法,以提高我们的指纹识别精度。然后,采用粒子滤波器融合PDR和指纹输出,以进一步提高定位精度,特别是在没有无线电地图覆盖的地区。
结论
我们提出了一个众包WiFi-RITA定位系统。在该系统中,所提出的算法的WiFi-RITA制定轨迹合并作为一个优化问题,其中每个轨迹迭代地平移和旋转,以最小化的限制之间的定义的WiFi标记命名为“力”的轨迹。基于检测到的异常值信号标记、界标和增强的2D直方图来移除通过WiFi-RITA的合并迹线中的异常值。WiFi-RITA可以有效地合并多个轨迹,并且对众包轨迹的不确定绝对位置和旋转误差具有鲁棒性。除了跟踪合并,我们提供了一个准确和强大的定位算法的基础上,增强粒子滤波融合PDR和多变量高斯指纹,以提高定位精度根据crowdsensed无线电地图。我们在两个大型购物中心评估这个系统。在这两种情况下,生成的网格的中值精度达到1.3m和1.0m。WiFi-RITA定位精度中位数达到2.0m和2.2m。因此,WiFi-RITA定位仅依靠大量噪声众包轨迹就可以获得令人满意的定位精度,这为大规模室内定位提供了可靠且高效的解决方案。