室内定位技术的研究发展近年来呈现出“定位更精准”与“部署更简单”的趋势。从“定位更精准”角度进行的技术研究已经较为成熟；而从“部署更简单”角度进行的技术研究才刚刚起步。现有室内定位技术往往对定位精准度给予了足够的关注，然而仅有部分近期的工作研究如何降低系统开销，更鲜有工作能够系统性地在两者间进行权衡。在很多现实生活的应用场景，现有室内定位系统的部署代价仍然过高而难以适用。本项目针对低代价的室内定位该较新的研究领域中亟需解决的理论和关键技术问题，研究基于WiFi 环境的用户自激发式弱定位方法、与结合传感器信息的用户自激发式若定位优化方法。现有的室内定位指纹技术，为现有的WLAN基础设施提供了增值的本地化服务，而不需要任何专门的硬件。基于指纹定位系统的部署需要对接收到的信号强度信息进行大量的测量，以生成位置指纹数据库。然而，这一要求在大多数室内环境中很少能得到满足。在这个项目中，我们针对上述普遍存在的问题，即当收集到的测量信号强度信息不足时，论证了现有的位置指纹方法在处理不足的位置指纹的局限性。本项目研究了一种基于最大似然估计的接收信号强度测量中降低噪声的新方法，并利用随机梯度下降算法计算位置指纹不足的位置。实验结果表明，即使只有少量的RSS测量数据，该方法也能获得较好的定位性能。特别是当每个位置的观测值较少时，该方法在定位精度上具有明显的优越性。现有的室内导航系统，大部分依赖于足够的无线信号和信号源。尽管如此，部署这样一个系统需要定期进行现场调查，这是一项耗时和劳动密集的工作。为了解决这个问题，在这个项目中，我们提出了“独木舟”（Canoe），一个考虑购物中心场景的室内导航系统。在Canoe系统中，我们不假设任何先验知识，例如楼层平面图或店铺位置、接入点位置或电源设置、历史RSS测量或指纹等，Canoe只要求店主在其店铺的入口处收集并发布RSS值，并且可以通过比较观察到的RSS值将消费者引导到这些店铺中的任何一个。消费者和商店的位置估计最大似然估计。这样，可以精确计算目标商店相对于消费者当前方向的方向，从而确定消费者应该移动的方向。我们使用真实世界的数据集进行了广泛的模拟。我们在一个真实的购物中心进行的实验表明，如果50%的商店发布RSS值，Canoe可以在30秒内精确地导航消费者，错误率低于9%。 2100433B