基于视觉求精的WiFi序列多决策定位算法

文献来源

C. Tang, W. Sun, X. Zhang, J. Zheng, J. Sun and C. Liu, "A Sequential-Multi-Decision Scheme for WiFi Localization Using Vision-Based Refinement," in IEEE Transactions on Mobile Computing, vol. 23, no. 3, pp. 2321-2336, March 2024, doi: 10.1109/TMC.2023.3253893.

摘要

目前，大多数移动设备都有WIFI模块和摄像头模块来定位它们的位置。然而，在大规模、高度相似的室内环境中，存在定位精度和定位时间两个主要挑战。为了平衡这些问题，本文提出了一种结合WIFI和视觉获取用户位置的序贯多决策集成系统。该系统分为顺序融合定位和自适应多决策融合定位两个阶段。前者首先采用基于wifi的定位，然后在wifi定位的约束条件下采用基于图像的定位和融合定位。在基于WIFI的定位阶段，使用高斯过程回归(GPR)模型构建WIFI室内地图。随后，本文提出将混合鲸鱼优化算法(hybrid whale optimization algorithm, HWOA)应用于wifi定位中，以提高其定位精度和稳定性。后者采用自适应多决策融合机制，将基于wifi的定位、基于图像的定位和融合定位相结合，最终得到用户的位置。实验结果表明了HWOA应用于wifi定位的有效性。在真实环境(面积大于10000 m2)中，与其他融合算法(如精度和时间)进行了实验评估。实验结果表明，提出的融合系统具有竞争力。

结论

本文研究了一种基于两种异构数据源的融合室内定位方法，提出了一种应用于WIFI定位的混合鲸鱼优化算法，并提出了一种多决策融合机制。前者通过采集训练指纹点构建基于WIFI的高斯过程回归模型，然后使用混合鲸鱼优化算法实现WIFI定位;实验结果表明，与现有的主流定位方法相比，该WIFI定位方法具有更高的定位精度。后者有效地融合了WIFI和图像，在实时性、定位稳定性以及大规模、高相似度环境下的定位精度方面较其他先进融合算法具有较强的竞争优势。未来的工作将研究添加其他数据源，如超宽带(Ultra Wide Band, UWB)、蓝牙和信道状态信息(Channel State Information, CSI)，以进一步提高定位系统的性能。