科研学术

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
自动化学院硕士生在Information Sciences发表物联网定位研究成果
文:自动化学院 来源:自动化学院 时间:2022-01-10 16601

  近日,电子科技大学自动化工程学院谢永乐教授团队,针对物联网框架下室内定位预测的准确性和鲁棒性,提出了一种新的核自适应滤波算法,即基于核幂均值最小误差准则(KMPE)的稀疏广义学生核自适应滤波器(SGStKAF)。该滤波器使用了一种新的核函数——广义学生核,得到了一种精度高、鲁棒性强、计算效率高的非线性自适应滤波器。

  该项研究成果日前在Elsevier旗下的刊物Information Sciences正式发表(中科院一区TOP期刊),论文题为《L1-norm constraint kernel adaptive filtering framework for precise and robust indoor localization under the internet of things》。论文第一作者为2020级硕士生赵欣,通讯作者为赵欣的硕士指导教师李西峰副教授,电子科技大学为第一作者单位。该研究得益于李西峰副教授的悉心指导,并得到谢永乐教授主持的国家自然科学基金“国家重大科研仪器研制”项目的支持。

  随着物联网时代的到来,位置识别已成功应用于导航、机器人、人员管理等各个领域。到目前为止,位置信息的可用性已经成为允许基于位置服务的通信系统的一个关键因素。然而由于室内环境的复杂,传统的GPS系统直接应用于室内定位时会大大降低定位精度。为了提高物联网框架下室内定位预测的准确性和鲁棒性,论文作者受到核自适应滤波(KAF)的启发,提出了稀疏广义学生核自适应滤波器。在该滤波器中,广义学生t核能有效抑制突变噪声;基于L2范数的损失函数保证了定点子迭代的可计算性,得到了更精确的解;神经网络的稀疏结构进一步压缩了模型大小,减少了计算成本。

1.png

图1:模拟场景

  为了评估新的非线性自适应滤波器SGStKAF在室内定位的准确性和鲁棒性,研究小组在仿真场景和真实场景分别进行了实验。在模拟场景中(如图1所示),包含100个固定训练点位于11mX11m区域,其中所有蓝色训练点均匀分布在整个房间内,随机选取20个红色测试点,环境干扰被建模为高斯脉冲混合噪声;真实场景取自电子科技大学立人楼A区411的教室(如图2所示),该场景存在较多障碍物,且背靠多媒体教室,存在着复杂干扰。

2.png

图2:真实场景 

  以真实场景为例,将所提出的SGStKAF算法与其他KAF相关算法以及目前广泛使用的室内定位方法进行了详细的性能比较,实测证明本文算法获得了更好的性能:一方面,与其他所有KAF相关算法相比,SGStKAF算法的精度性能至少提高了5.90%(详细数据见表1),同时该算法在真实场景中的位置预测MSE曲线收敛更快(见图3);另一方面,与传统的室内定位算法相比,所提出的算法的精度至少提高了13.20%(详细数据见表2)。

3.png

表1:真实场景中不同核自适应滤波算法的性能比较

4.png 

表2:真实场景中不同算法比较

5.png

图3:真实场景中基于KAF算法的位置预测MSE 

  实测结果证明了该算法在模拟和真实场景下解决室内定位问题的准确性、有效性和优越性。


  论文链接:

  https://www.sciencedirect.com/science/article/pii/S0020025521012470


编辑:肖洁  / 审核:林坤  / 发布:陈伟