吴陈沭-博士学位论文

基于群智感知的无线室内定位（申请清华大学工学博士学位论文）培养单位：计算机科学与技术系学科：计算机科学与技术研究生：吴陈沭指导教师：刘云浩教授二〇一五年六月WirelessIndoorLocalizationviaCrowdsensingDissertationSubmittedtoTsinghuaUniversityinpartialfulfillmentoftherequirementforthedegreeofDoctorofPhilosophybyWuChenshu(ComputerScienceandTechnology)DissertationSupervisor:ProfessorLiuYunhaoJune,2015关于学位论文使用授权的说明本人完全了解清华大学有关保留、使用学位论文的规定，即：清华大学拥有在著作权法规定范围内学位论文的使用权，其中包括：（1）已获学位的研究生必须按学校规定提交学位论文，学校可以采用影印、缩印或其他复制手段保存研究生上交的学位论文；（2）为教学和科研目的，学校可以将公开的学位论文作为资料在图书馆、资料室等场所供校内师生阅读，或在校园网上供校内师生浏览部分内容；（3）根据《中华人民共和国学位条例暂行实施办法》，向国家图书馆报送可以公开的学位论文。本人保证遵守上述规定。（（（保保保密密密的的的论论论文文文在在在解解解密密密后后后应应应遵遵遵守守守此此此规规规定定定）））作者签名：导师签名：日期：日期：摘要摘要位置信息，是移动互联网的最基本要素，是物联网中最重要的感知信息，和人们的生产生活密切相关。人类80%以上的时间在室内环境中活动，致使室内定位市场蓬勃发展、需求持续攀升。近十五年来，各种各样的室内定位技术层出不穷。无线网络的大范围覆盖和移动设备的全球性普及，令基于WiFi的智能手机定位逐渐被广泛认可和采纳，但迄今为止尚无任何一种主导室内的全球性、全天候定位服务。目前最主流的WiFi指纹定位方法在实际应用中也面临着诸多挑战：指纹定位中不可缺失的人工现场勘测环节导致系统部署代价居高不下，长期部署过程中静态的指纹地图无法适应动态的环境变化导致精度下降，在移动环境中定位精度有限性能不稳，等等。针对WiFi指纹定位的上述指纹地图构建难、指纹地图更新弱、位置估计精度低三大问题，本论文研究基于群智感知的无线室内定位理论与方法，设计低硬件成本、低部署成本、低维护成本的高精度定位，使得室内定位在实际应用中大规模部署、长时间运行、高精度定位成为可能。具体来说，本文的主要研究内容和创新成果包括：（1）无线信号指纹地图的自动构建。利用移动群智感知的思想，应用大量普通用户的移动性，设计无线信号指纹地图自动构建技术，将原本需要专业人士持专用设备执行专门任务才能完成的现场勘测任务，通过大量普通用户以普通设备无意识参与的方式得以完成，成功取消了指纹定位中耗时费力的人工现场勘测环节，大幅降低了指纹定位方法的部署代价。真实环境中的实验验证了自动构建的指纹地图与人工勘测的性能相当。（2）无线信号指纹地图的自适应更新。通过对移动用户日常行为规律的分析，利用普通移动设备的“静止性”，将其作为可移动参考节点用于收集实时指纹数据，并提出了路径匹配算法来获取可移动参考点的精确位置。基于这些数据，通过建模相邻位置的指纹之间的关系模型更新整个指纹地图。所提出的方法无需额外的硬件部署和人力成本，实现了指纹地图自动、及时、连续的更新，使得静态构建的指纹地图能够动态适应长期运行过程中可能产生的环境变化。实验结果自适应更新的地图的有效性和准确性，证明由此带来的精度比使用静态指纹地图提升近两倍。（3）移动环境下的高精度定位算法。深入探索和分析了造成移动环境下智能手机定位精度低劣的深层次原因，发现了造成指纹定位误差但此前却未受重视甚至未被发现的AP表征能力差异性、指纹不一致性、指纹“错位”现象I摘要三大问题。针对这些问题，论文设计了一套适用于智能移动终端的指纹生成、描述与匹配算法，其中定义了表征因子来量化不同AP的表征能力，应用稳健回归技术对抗异常指纹的误匹配问题，提出“幻影指纹”克服移动设备上的指纹伪新和错位问题。实际环境中的实验结果表明该算法相比于多种传统方法定位误差降低了一半以上。关键词：位置；室内定位；指纹；智能手机，群智感知IIAbstractAbstractLocationcontextsactasaprimaryelementofmobileinternetandafundamentaltypeofsensingdataforInternetofThingsandthusplaysacrucialroleinourevery-daylife.Peoplespendmorethan80%oftheirtimeindoors,stimulatingtheflourish-ingmarketsandincreasingdemandofLocation-basedServices(LBS).Duringthepastdecades,variousindoorlocationtechnologieshavebeenproposed.WiFi-basedlocaliza-tionforsmartphones,amongothers,becomesattractiveandpopular,thankstothewideavailabilityofwirelessnetworksaswellastheglobalpopularizationofsmartphones.Apredominantlocationsystemthatprovidesworldwideandround-the-clockservices,how-ever,stilllacks.EventhemainstreamWiFifingerprint-basedschemeencounterscriticalchallengesinpractice.Particularly,itsapplicabilityisextremelylimitedbyseveredraw-backsincludinghighdeploymentcostsduetothecumbersomesitesurvey,biasedradiomapscausedbyenvironmentaldynamicsespeciallyduringlong-termrunning,andunsat-isfactoryperformanceinmobileenvironments,etc.Thisdissertationtargetsattheaboveproblemsandstudiescrowdsensing-basedwirelessindoorlocalizationbydesigningahigh-accuracysystematlowhardwarecosts,lowdeploymentcostsandlowmaintenancecosts,whichenableswirelessindoorlocalizationdeployableatlargescale,runnableoverlongterm,andapplicablewithhighaccuracy.Insummary,themajorresultsandcorecontributionsareasfollows:(1)Automaticconstructionofradiomaps.Leveragingcrowdsensedusermobility,wedesignanautomaticmethodforradiomapconstructionmethod,whicheliminatestheeortsoftime-consumingandlabor-intensivesitesurveybytheparticipatorysensingofanumberofmobileusers.Theproposedschemesignificantlydecreasesthedeploymentcostsoffingerprint-basedlocalization.Resultsfromrealexperi-mentsdemonstratethatcomparableperformancecanbeachievedbyautomaticallybuiltradiomapscomparedwithmanuallycalibratedones.(2)Adaptableself-updatingofradiomaps.Anautomaticandcontinuousradiomapself-updatingserviceisproposedforwirelessindoorlocalization,whichexploitsthestaticbehaviorsofmobiledevices.Byaccuratelypinpointingmobiledeviceswithanoveltrajectorymatchingalgorithm,weemploythemasmobilereferencepointstocollectreal-timeRSSsampleswhentheyarestatic.Withthesefreshrefer-IIIAbstractencedata,thecompleteradiomapisadaptedbylearninganunderlyingrelationshipofRSSdependencybetweennerghboringlocations,whichisexpectedtoberela-tivelyconstantovertime.Theeectivenessisvalidatedthroughrealexperiments,whichshow2×improvementinlocationaccuracybyappropriatelyadaptingtheradiomaps.(3)Anaccuratelocalizationalgorithmformobileenvironments.Thisdissertationin-vestigatesfingerprint-basedlocalizationinmobileenvironmentsandrevealscrucialobservationsthatactastherootcausesoflocationerrors,yetaresurprisinglyover-lookedornotadequatelyaddressedpreviously.Specifically,werecognizeAPs’diversediscriminationforfingerprintingaspecificlocation,observetheRSSin-consistencycausedbysignalfluctuationsandhumanbodyblockages,anduncoverthetransitionalfingerprintproblemoncommoditysmartphones.Inspiredbytheseinsights,wedeviseaunifiedschemeoffingerprintgeneration,representation,andmatchingformobiledevices,whichdefinesadiscriminationfactortoquantifydif-ferentAPs’discrimination,incorporatesrobustregressiontotolerateoutliermea-surements,andreassemblesdierentnormalfingerprintstocopewithtransition