随机过程在室内定位的应用

内容：随机过程在你所研究领域的应用
要求：
（1）字数2500以上
（2）要有摘要和参考文献
（3）截至10.29，网络学堂提交，
过期不能提交！
（4）学号.docx（或学号.pdf ）

摘要

室内定位目前主要存在两种大的主流方法：一种是基于无线通讯基站的信号实现定位，包括了WiFi，蓝牙，红外线、超宽带、RFID、ZigBee和超声波，其中需要对信号强度（RSSI）进行滤波处理，本文介绍了抗差卡尔曼滤波，其中用到了随机过程的知识。另一种是惯性导航，无需任何基础设施和网络，只需要移动设备中的多传感器，根据移动之后的图形匹配实现定位，本文介绍了一种基于隐马尔科夫(HMM)模型的图形匹配方法，即随机过程的重要应用之一。

正文

随机过程的概念

随机过程是一组依赖于实参数t的随机变量，参数t可以取离散整数值，此时称该过程为离散参数随机过程，记为$\left \{ X_n,n\in \mathbb{N} \right \}$,参数t被看作是石距时取连续值，记为$\left \{ X_t,t\in \mathbb{R} \right \}$。
随机过程的研究方法有两种：相关方法和Markov方法。
在电子技术与通信领域中，最常见的是二阶矩过程，即

• 定义 1.1（二阶矩过程） 设有实（复）值随机过程$X(t)，t\in \mathbb{R}$，如果$\forall t\in \mathbb{R},X(t)$的均值和方差都存在，则该随机过程为二阶矩过程

在电子领域，常见的随机相位随机幅度正弦波，通信系统中各类调制信号，随机电报信号，以及Brown运动（白高斯噪声随机信号）,等都属于二阶矩过程。二阶矩过程的主要研究工具是自相关函数。同时，在电子信息领域，通常采用时域和频域两个方面分析信号，相关函数是随过程二阶关联的时域描述，而在频域，我们有相关函数的Fourier变换——功率谱密度

$$S_X(\omega )=\int _{-\infty }^{\infty}R_X(\tau )exp(-j \omega \tau) d \tau \qquad (1-1)$$
另外的很重要的一类随机过程是Markov过程，包括了离散时间Markov过程和连续时间Markov过程，例如Poisson过程就是连续时间Markov过程的典型代表。Markov的重要性质是未来的状态只与当前的状态有关，和过去的状态无关，

室内定位的介绍

我的导师的研究方向是网络定位与导航，统计信号处理，统计推理，信息论，我由于导师在北京，还没有正式进入实验室工作，并且工程硕士的研究领域也并不固定，因此本文只介绍一下大致的研究方向和背景。

室内定位的需求和前景

我的大致工作方向是室内定位，其中需要用到信号检测与估计的知识，而随机过程的知识在其中扮演了一个很重要的角色。
室内定位技术的前景十分诱人，未来是移动互联的时代，而室内定位则是移动服务最后一米的机会，人平均80%的时间在室内，80%移动电话使用和数据连接在室内使用。
需求分析，简单举几个例子：
- 1.室内救援，紧急救援中需要具体定位到房间，甚至大房间里的小角落
- 2.保安，没有信号的地方，总部需要知道各个保安等人的位置，便于监督和统筹
- 3.通讯公司，在室内作业时需要知道人员在室内的分布。
- 4.人员在大商场、大机场、大车站和大广场中迷路，需要定位导航找到所需物品或服务
- 5.社交需求，定位到室内房间
- 6.目前虚拟现实，机器人等飞速发展，机器人要实现商业化应用就离不开定位，特别是室内定位，等等。

室内定位的方法

室内定位目前主要存在两种大的主流方法：一种是基于无线通讯基站的信号实现定位，包括了WiFi，蓝牙，红外线、超宽带、RFID、ZigBee和超声波，另一种是惯性导航，无需任何基础设施和网络，只需要移动设备中的多传感器，根据移动之后的图形匹配实现定位。
根据无线AP定位是目前室内定位的主要技术方法，其观测 值 主 要 为 接 收 信 号 强 度 （RSSI）。 利 用 RSSI定位一般有以下两类方法：
- ① 利用信号传播模型将 RSSI转换为距离，进行距离交会；
- ② 利用事先采集的信号强度背景场进行空间匹配。
其定位精度都依赖于稳定可靠的信号强度值。 由于室内环境复杂多变，信号衰减严重，使得 RSSI不稳定，滤波是解决该问题的方法之一。其他的无线信号比如蓝牙等等和wifi定位原理差别不大，大多数都是这种依靠802.11协议的室内定位，由于室内信号环境复杂，多径效应等明显，大都依靠经验方法确定参数阈值，他们不适用于实际中长期大规模使用手机的群体。 [1] 中介绍了这种方法，在用户终端收集用户所在处的信号环境，作为RF-WiFi指纹，收集到数据库中作为定位依据，用抗差卡尔曼滤波的方法进行滤波处理。
在 [4] 中介绍了第二种方法——Hmm匹配法。这是一种基于HMM（隐马尔科夫）的方法。随机过程的知识对于这两种方法是至关重要的，下面将详细介绍这两种方法以及随机过程在其中的应用。

RSSI 滤波

设房间内的噪声为n(t)，假定是加性白高斯噪声，则随机过程n(t)满足$E(n(t))=0$,$E(n_1(t)n_2(t))=\frac {N_0}{2} \delta(t_2-t_1)$,室内环境中接收到的信号也是一个随机过程，接收信号功率由Friis传输方程的衰减因子模型决定：

$$P_r(d)_{dBm}=P_r(d_0)_{dBm}+10\gamma _{SF}lg\frac {d_0}{d}+FAF$$
其中 γ