非全研究生开题-室内定位最新研究论文总结-1

序言

在23年3月底之前,我需要完成开题报告和综述的撰写工作.开学后,我深入研究了两个方向:Serverless环境中的冷启动机制以及室内定位技术;在寒假期间,我在这两个选题之间反复斟酌了一番,并不断在内心进行权衡.

经过深入分析比较后, 我最终做出了研究室内定位的决定, 这不仅有助于提升产品完善程度, 同时也为之后创业奠定了坚实基础。
在保证毕业论文顺利完成的同时, 我将一如既往地持续深入探索, 努力完成不少于2篇sci论文的创作目标。
因此之后, 我将专注于总结并发布所有学习期间浏览过的相关论文。
新年新气象, 继续努力！

Landmark Detection Dependent on Human Activity Recognition for Automated Floor Plan Construction

基于人体行为识别技术的地标检测与自动平面布置图生成系统

Magnetic Field-Based Indoor Localization Employing Temporal Convolutional Neural Networks

使用时间卷积网络的基于磁场的室内定位
传统的磁场定位方法通过收集每个空间点的磁场信息来构建磁场指纹库。在定位阶段，将实时磁场测量值与磁场图相匹配，以预测用户的位置。然而，这种方法需要大量的时间遍历整个磁场指纹数据库，并且不能有效地利用磁场序列的独特模式来提高定位系统的准确性和鲁棒性。近年来，深度学习在室内磁场定位中的应用迅速增长，特别是将磁场序列作为时间序列，通过训练好的长短期记忆(long short-term memory, LSTM)模型进行位置预测，直接避免了耗时的匹配过程。然而，LSTM的训练非常耗时，并且随着层数的增加会出现退化问题。提出一种基于时间卷积网络(TCN)的磁场定位系统，通过坐标变换、平滑滤波、一阶差分等预处理过程提取磁场序列特征。所提方法无缝适用于异构智能手机。将训练好的TCN模型与LSTM和门控循环单元(GRU)模型进行对比，表明所提算法具有较高的准确率和鲁棒性。

A location design system for mobile phones has been developed by incorporating with a single microphone sensor and an H₂ estimator.

通过集成单个麦克风传感器和 H2 估计器的手机室内定位设计
本文提出了一种基于移动电话的室内定位设计，该设计集成了单个麦克风传感器、H2估计器和具有不同频率的标记声源。在已有的实际实验基础上，总结出室内定位的一个关键要点:瞬时声压级(SPL)的估计精度在室内定位性能中起主导作用，其不可避免地受到环境扰动随机变化的影响。在此指导下，本文提出了一种基于声压级模型的H2估计方法，有效地减小了由混响、反射、折射等引起的接收信号强度(received signal strength, RSS)变化的影响。仿真和实际测试结果表明，该设计具有良好的室内定位性能:即使在严重环境污染的影响下，也可以获得0.75 m的平均定位均方根误差。

一种基于室内位置的增强现实框架

An Indoor Location-Based Augmented Reality Framework
为室内增强现实（AR）系统的开发设计了一种基于室内位置信息的增强现实框架（ILARF）。该框架整合了室内定位单元（ILU）、安全上下文感知消息交换单元（SCAMEU）以及增强现实可视化与交互单元（ARVIU）。其中，ILU运行于智能手机等移动设备上，并通过可见标记（如图像与文本）、不可见标记（如Wi-Fi、低功耗蓝牙与NFC信号）以及设备传感器（如加速度计、陀螺仪与磁力计）来确定设备的位置与方向。SCAMEU则利用MQTT服务器交换环境传感器数据（包括温度、光照与湿度读数）以及用户数据（如用户位置与用户速度），从而实现环境感知功能。SCAMEU还通过Web服务器管理用户配置文件与设置参数。而ARVIU则采用增强现实创建工具处理用户交互指令，并将在设备屏幕适当地显示上下文感知信息。基于ILARF开发出了一个用于健身房的增强现实原型应用——健身房增强现实（GAR）。当用户在使用GAR访问健身房时，则需先注册个人资料并进行系统设置。随后,GAR将根据用户的运动计划或喜爱运动项目提供相应的健身器材推荐，并指导用户的正确使用方法。同时,GAR还促进了健身者之间的社交互动,这可能激发他们定期参与健身活动的兴趣。此外,通过与其他相关增强现实系统进行对比测试发现,GAR凭借采用ILARF这一核心组件具有显著的优势:它提供了更多关键信息,包括用户的方位坐标;此外,GAR还具备更优的安全通信机制及三维图形界面特性,这些特性使其在算法性能上超越了其他同类系统

WiFi-PDR indoor fusion positioning based on EKF

针对室内环境中的WiFi定位技术易受多种因素影响的问题

A NEW INDOOR LOCATION ALGORITHM BASED ON THE Wi-Fi

一种新的基于Wi-Fi的室内定位算法

A WiFi-based passive indoor positioning system utilizing entropy-enhanced deployment of Wi-Fi sniffers

本文提出了一种针对无源室内定位系统的创新性设计方案。该方案采用基于熵增强的目标函数优化算法来配置无线接入点（APs）的部署位置。无需用户主动参与协作或依赖被测设备(DUT)额外接口支持，在感兴趣区域合理规划APs布置位置是提升入侵防御系统准确性的关键因素。通过改进型遗传算法(GA)实现部署策略优化以最大化性能表现。这些APs设备负责对目标设备发送无线信号强度数据作为指纹识别特征并将其映射至物理空间参考点位置信息。随后采用加权k-最近邻(WKNN)分类方法进行位置估计。实验过程中通过移动机器人自动采集不同频段下的RSSI数据特征包括2.4 GHz和5 GHz频带下的所有参考点（RP）位置信息。实验结果表明仅选取20个APs作为训练特征即可实现离线定位均方根误差(RMSE)达2.2米水平。在此基础上构建了一个概念验证型实时在线被动入侵防御系统能够检测目标设备在线状态并获取其无线信号特征用于动态估计其当前位置信息

Typical Applications and Network Topology of 5G Positioning

本文聚焦于5G定位系统的典型应用场景及其相关网络拓扑结构。随着各业务领域对位置精度的需求日益增长，在这种背景下随着各业务领域对位置精度的需求日益增长，在这种背景下

基于SVM的方法用于预测无源定位坐标是否受到干扰的影响

基于支持向量机的超宽带定位坐标干扰预测