室内定位算法综述

0.来了室内定位算法综述王光辉1，刘洪霞2，胡浩舒1，沈苏彬1（1.南京邮电大学计算机学院，江苏南京，210003；2.南京邮电大学物联网学院，江苏南京，210003）摘要：对现有室内定位算法进行综述研究。首先，从定位算法数学基础出发，阐述三边定位与最大似然估计定位算法，介绍基于无线电信号强度(RSS)定位算法与基于时间差(TDOA)定位算法。其次，从国内外两方面 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 室内定位算法研究现状，国外关注室内定位算法与室内定位系统的研究；国内室内定位算法研究较多，但室内定位系统研究较少。再次，对算法与系统对比分析，讨论算法优缺点，分析显示室内定位算法的研究注重定位精度与能耗之间的平衡。最后，指出移动定位与逻辑定位将会是室内定位算法未来的研究方向。关键词：室内定位；算法综述；逻辑定位；移动定位中图分类号：TP393IndoorLocalizationAlgorithm:ASurveyWANG1Guang-hui,LIU2Hong-xia,HU1Hao-shu,SHEN1Su-bin（1.SchoolofComputerScience&Technology,NanjingUniversityofPostandTelecommunications,Nanjing210003,China；2.SchoolofInternetofThings,NanjingUniversityofPostandTelecommunications,Nanjing210003,China）Abstract:Asurveyofindoorlocalizationalgorithmisgiven.Thetwobasictypesofpositioningalgorithmsareclarifiedfromtheperspectiveofmathematicalfoundation,suchasthetrilateralpositioningalgorithmandthemaximumlikelihoodestimationalgorithm.ThenthelocalizationalgorithmsbasedonRSSandTDOAareintroduced.Theindoorlocalizationalgorithmsareanalyzedbothdomesticallyandabroad.Theabroadresearchersfocusonboththeindoorpositioningalgorithmsandtheindoorpositioningsystems.Butthedomesticresearcherspaymoreattentiontotheindoorlocalizationalgorithm.Fewofthemconcentrateonthelocalizationsystems.Severalindoorlocalizationalgorithmsandindoorlocalizationsystemsarecompared.Itshowsthatcurrentlyindoorlocalizationalgorithmsandsystemshavedrawnattentiontothetradeoffbetweenthelocalizationaccuracyandenergy.Finally,itpointsoutthatthelogicallocalizationtechnologyandthemobilelocalizationtechnologywillbethenewdirectioninfutureresearch.Keywords:indoorlocalizationalgorithm;survey;logicallocalization;mobilelocalization引言室内目标定位存在重要的潜在应用，近年来引大量的研究及关注[1,2,3]。无线电技术和无线局域网技术的进步，以及定位服务需求的增加，推动了定位技术的发展。在开阔的室外环境中，全球定位系统GPS提供了非常精确的定位信息，然而由于室内环境的特殊性，当前一些用于室外定位算法和系统很难移植到室内定位的应用中。随着信息与通信技术的普及，人们对于室内定收稿日期：2011-7-12项目基金：国家973 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 课题(2011CB302903)和江苏省科技支撑计划项目(BE2009157)。通讯作者：沈苏彬电话：（025）83492137Email:sbshen@njupt.edu.cn位信息的需求与日俱增，一些公共场所，像商场、机场、展厅、写字楼、仓库、地下停车场、监狱、军事训练基地等都需要使用准确的定位信息。假如在商场购物过程中，孩子走丢了，如何让父母用最短时间追踪到孩子的位置；在地下停车过程中，如何让司机在没有到达停车场的时候就知道停车位置情况。这些问题都需要室内定位技术来解决。精确的室内定位信息，能够对可用空间和库存物质实现高效管理；能够导航警察、消防人员、士兵、医务工作人员完成特定的室内任务；智能空间、普适计算等都离不开位置服务，因此室内定位具有广阔的应用前景，是当前研究的热点。目前室内定位研究主要集中在以下两个方面，第一是室内定位算法研究，主要室内定位算法有邻近信息法、场景分析法、利用几何特性定位法等[4]。目前定位算法研究主要是运用多种方式提高定位精度。第二是室内定位系统研究，国外关于室内定位系统的研究比较丰富，主要有基于超声波定位技术[5]、基于红外线的定位技术[6]、基于超宽带的定位技术、射频识别定位技术[7]（WLAN、ZigBee）等。虽然目前已经有了这些研究成果，但是室内定位还有很多地方值得研究。第一，算法与定位节点运动适应能力[8]，即这些节点具有很高的移动性，这项任务很重要，因为节点在移动时平均测量可以影响所有节点的定位精度，并且误差可能会扩大至整个传感覆盖的网络。第二，目前所有定位算法都被设计在二维空间中操作，然而现实世界的应用涉及三维空间，因此，需要研究在三维空间[9]中传感节点的定位算法。第三，定位的实时性，即使在节点数量增加的情况下，实时精确定位传感节点位置算法的能力也不会降低。本文从定位算法的数学基础开始，分析了基于测量的定位算法，详细介绍了RSS(无线电信号强度)与TDOA(到达时间差)定位算法。然后从国外和国内两个方面总结了近些年室内定位算法的研究情况，国内外关于室内定位算法和室内定位系统的研究比较热，其中运用混合算法来提高定位精度和运用智能手机[10]进行定位研究的研究比较多。对文中讨论的室内定位算法与室内定位系统进行比较，得出目前研究都是在定位精度与能耗之间寻找平衡。最后对室内定位算法的未来研究方向做了分析，得出逻辑定位与移动定位是未来值得研究的方向。1.定位算法数学基础目前室内定位算法一般是基于距离测量的定位算法，所谓距离测量定位算法就是指测得目标节点与其锚节点的距离，然后通过计算得出目标节点的坐标。在平面定位算法中，最少需要已知三个锚节点的位置，通过锚节点与目标节点之间的距离来计算得出目标节点的坐标。测得距离之后主要利用三边测量法(trilateration)与极大似然估计法（maximumlikelihoodestimation）进行目标节点的定位。1.1三边测量法三边测量法（trilateration）原理如图1所示，已知A、B、C三个锚节点的位置坐标分别为(,)aaxy、(,)bbxy、(,)ccxy，以及它们到目标节点D的距离分别为ad、bd、cd，假设目标节点D的坐标为(,)xy。那么，存在下列公式(1)：222222()()()()()()aaabbbcccxxyydxxyydxxyyd(1)由上式可以得到节点D的坐标为：图1：三边测量法图示Fig1:trilaterationB(,)bbxyD(,)xyA(,)aaxyC(,)ccxyadbdcd12222222222222()2()2()2()acacacaccabcbcbcbccbxxyyxxxyyddxxyyyxxyydd如果锚节点位置信息准确、测得的距离准确，那么就可以根据此公式准确得出目标节点的位置。这个结果是理论上最好的结果，但是在实际测量中会存在误差，造成结果的不准确。目前利用三边测量法的定位算法较多，像经典的基于TDOA的定位算法，基于RSSI的定位算法都是测得距离后利用三边测量进行定位的。1.2极大似然估计法极大似然估计法（maximumlikelihoodestimation）需要已知较多锚节点信息，要求锚节点数量要大于三个，利用这些信息建立方程组，这个方程组能够唯一确定目标节点的位置。原理如图2所示，已知1,2,3,,n等n个锚节点的坐标分别为11(,)xy，22(,)xy，33(,)xy，…，(,)nnxy，它们到目标节点D的距离分别为1d，2d，3d，…，nd，假设节点D的坐标为(,)xy。那么，存在下列公式(2)：222111222()()()()nnnxxyydxxyyd(2)从第一个方程开始分别减去最后一个方程，得：22222211111222222111112()2()2()2()nnnnnnnnnnnnnnnxxxxxyyyyyddxxxxxyyyyydd上式线性方程表示方式为：AX=b，其中：11112()2()2()2()nnnnnnxxyyAxxyy222222111222222111nnnnnnnnnxxyyddbxxyyddxXy使用 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 的最小均方差估计方法可得到节点D的坐标为：T-1Tˆ()XAAAb。可以看出，最大似然估计法是利用目标节点周围很多锚节点的信息来进行定位估计的。根据定位过程中是否测量实际节点间的距离，把定位算法分为基于距离的定位算法和距离无关的定位算法[11]。基于距离定位的唯一问题就是如何在物理层次上测量距离。现在使用最多的两种距离测量分别是基于无线电信号强度(RSS)和基于到达时间差(TDOA)的方法。2.基本定位算法目前很多定位算法都是基于信号强度或到达时间差的，将这两种算法称为基本定位算法。当然，利用混合定位算法进行定位的算法也有，比如将RSS模型与质心算法结合进行定位，一般情况下，利用多种定位算法进行协同定位会提高定位精度和效果。2.1基于信号强度(RSS)定位算法信号强度是随着传播而衰减的，所以测量信号强度可以与物理距离相对应。理论上，由能量法则可知，信号强度随着距离的增大而衰减。无线信号传播的一般模型为：00()()10log()dPdPdXd(3)其中，()Pd是距离d处的接收能量；0()Pd是距同一参考节点0d处的接收能量；是路径损耗指数；X是说明衰减影响的方差为2的对数随机变量。因而，当路径损耗指数已知时，接收的信号强度就可转化为信号传播距离。基于RSS的距离测量噪声可能使误差达到若干米，这源于无线电在复杂环境下传播的多变性。然图2：极大似然估计法图示Fig2：maximumlikelihoodestimationn(,)nnxyD(,)xy111(,)xy222(,)xy333(,)xy444(,)xy4d3d2d1dnd而，该方法不需网络中节点配备除无线电以外设备，相对代价较低。同时，未来更加深入的无线电传播衰减研究将有助于更好地利用RSS数据。2.2基于时间差(TDOA)定位算法通过使用超声波信号和无线电信号，确定两类信号到达时间差(TDOA)，进而估计距离，这种技术更加具有前景。在此方法中，需要给每个节点配备话筒及麦克风。TDOA测距的基本思想理论上是简单的。其基本过程如下：首先，发射端发出一个无线电信号，等待非零时间t延迟后通过话筒发出一个短促音；其次，接收端接收到无线电信号时，记录下当时时间t无线电，并打开麦克风；最后，当接收端麦克风探测到短促音时，记录下当时时间t声音。该过程如图3所示：故而，距离d可由式(4)计算得出(--)vvdttt无线电声音延迟声音无线电(4)迟、软件延迟、中断处理延迟、系统负载等等。这些延迟处理不好将会带来若干微秒的时间误差，即若干米的距离误差。总之，基于TDOA技术的距离测量比基于RSS的距离测量得到精确很高的定位结果，但同时提高了系统的复杂度和代价。3.室内定位算法目前国内外关于室内定位算法的研究都比较多，其中国外偏重于室内定位系统的研究，而国内关于室内定位算法的研究比较多。3.1国外室内定位算法国外关于室内定位算法的研究成果比较多，而且大多根据提出的算法实现了定位系统，这些室内定位算法可以分为以下两类，第一类是运用混合算法进行定位的定位方法，这类算法都是利用至少两种算法的结合进行定位，提高定位精度；第二类是具有创新性的算法，这类算法都具有指导意义，是提出的新算法。⑴混合定位算法ZhoubingXiong等人提出了混合RFID与WSN技术的定位方法[12]，文中提出扩展的卡尔曼滤波与粒子滤波两个方法提高定位精度。ChenFeng等人将室内定位与压缩感知相结合[13]，利用压缩感知理论进行定位，提高了定位精度，RSS稀疏信号利用发射接收t延迟射频声波t无线电t声音图3：TDOA基本过程Fig3：theprocessofTDOAvv无线电声音其中，v无线电和v声音分别表示无线电和声音的传播速率。因为无线电传播速率远大于声音的传播速率，则上式又可写作(--)dvttt延迟声音声音无线电。若无线电与声音信号同时发出，则=0t延迟，距离估计进一步简化为(-)vtt声音声音无线电。在视线可见的条件下，TDOA法的结果异常精确，10米的距离只有若干厘米的距离误差。标准化发射与接收可减小误差。然而，此方法花费了较高的硬件代价，且受实际环境下视线所及条件束缚。而且，声音的传播速率随环境温度和湿度的不同而有所变化，同时还面临多径传播影响信号的检测。近来，研究发现TDOA中的两大不确定因素会导致测距误差：发送时间戳和实际信号发出时间的不重合；接收端接收延迟的信号。一个实际系统存在着许多这样的因素，如实时控制的缺失、硬件延压缩感知理论进行重构。把定位分为粗定位与精定位两个阶段，粗定位利用AffinityPropagation方法，精定位利用了压缩感知理论。实验结果显示此定位方法比传统的指纹定位方法提高了定位精度，降低了计算复杂度。ChunwangGao等人根据加权回归与插值模型、最大似然估计方法相结合的方法，提出了一个室内定位的统计方法[14]提高定位精度，实验结果显示这种定位方法的定位精度在2米之内。K.Chintalapudi等人根据RSS模型设计了室内定位算法[1]，这种算法无需前期部署就能够定位。无需前期部署指无需知道室内的实体布局，包括接入口(AP)的布局。移动设备记录视线所及的相应AP接收信号强度(RSS)测量值，并发送给定位服务器。同时还需发送室内边缘的位置值。文中重点是EZ定位算法。所有 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 的测量值都受到无线传播物理现象的约束，EZ模拟这些约束并用遗传算法对其进行计算，实验结果良好，且误差可控制。⑵创新定位算法StephenP.Tarzia等人运用室内场景指纹技术[3]进行定位，这种指纹被称作AcousticBackgroundSpectrum(ABS)，这种指纹具有紧密、易计算、对于短暂特殊的声音具有很好的鲁棒性等优势，和其他基于指纹定位技术一样，这种技术需要测量目标周围的指纹，并且与数据库中的指纹相匹配，寻找最相近的一个指纹进行定位。通过实验，并且WI-FI定位进行比较。得出与WI-FI定位相结合定位精度要比只用WI-FI的精度提高很多。Tin-YuWu等人分析出定位算法分为基于距离测量与不需要距离测量的两类，指出室内定位过程中有很多信号干扰以及误差，于是提出了基于遗传算法(GA)的定位算法[15]，此算法优势在于不要太多节点信息。HyukLim等人提出的室内定位算法[16]不需要其他配置信息，需要在线输入一些测量信息，在IEEE802.11的基础上，把系统进行实验，结果显示此系统具有更好的鲁棒性，并且提高了定位精度。DavidMadigan等人建立了贝叶斯等级模型进行室内定位的方法[17]，证明了贝叶斯等级模型定位方法所达到的精度和其他定位模型和算法相似。可以看出，目前研究者们把主要精力放在了复杂室内环境下定位误差和精度[18]的研究上，如何能够提高定位精度而又能够减少能耗和代价，两者之间存在一个平衡问题。3.2国外室内定位系统国外关于室内定位系统的研究比较成熟，其中有以下几个室内定位系统比较具有代表性：⑴信号技术定位信号技术定位是根据无线电信号、红外线信号、射频识别信号、超带宽信号等技术测得节点之间的距离，其中测距方式有很多，比如利用TDOA、RSS等方法都可以得到节点之间的距离，根据节点之间距离，就可以利用三边定位方法对目标节点进行定位。利用这种方法的定位系统有如下几种：①Olivetti研究实验室研制的ActiveBadage[19]室内定位感知系统，是最早的室内定位跟踪系统之一。它采用了红外线技术实现室内定位，属于无线小区监视接入的相邻法定位系统。每个待定位物体使用红外线发射机定期发送自身唯一的ID识别码；②麻省理工学院开发的Cricket[5]室内超声波无线射频定位系统，属于基于时间法测距的三边定位系统。Cricket的定位依据是空气中声波的传播速度远低于无线电波的传播速度，可利用无线射频信号为控制参考信号，计算声波信号的传播时间。剑桥大学开发的ActiveBat[20]室内定位系统是基于室内超声波无线射频的定位系统；③SpotON[21]系统是基于射频识别的室内定位系统。该系统基于信号强度分析，发展了一种聚合算法对三维空间进行定位。SpotON系统中硬件标签呈网络状分布，无需中央控制单元，通过标签测试到的信号强弱表征标签之间的几何距离。⑵指纹匹配定位技术指纹匹配算法定位技术原理是这样的，首先必须采集大量数据，提取出待测目标节点所处区域的一些特征，这些特征必须保证待定位区域是相互区别的，即在测到这些特征的时候能够确定目标定位节点所处的位置；其次，在定位过程中，根据目标节点所处周围环境进行位置匹配，就可以对目标进行定位。利用这种方式进行定位的定位系统有如下几种：①微软公司研究团队开发的室内跟踪定位的RADAR[22]原型系统，该系统结合经验数据和衰减因子模型，在大量数据采集的基础上通过一定的匹配法则确定目标位置，提供定位服务和应用。后来华盛顿大学的Jiun-HungChen对RADAR系统的定位算法进行了更深入的研究，他提出了在无线网络环境使用鲁棒性的模块匹配和支持向量匹配对使用者进行定位；②EKahau公司推出的EKahau实时定位跟踪软件引擎，也是利用指纹法实现的定位系统。该系统在多种行业得到了广泛应用，其中应用最广的是医疗保健行业，如国外一些医院的室内环境安装了EKahau定位系统，它的定位精度达到了1米。3.3国内室内定位算法国内关于室内定位算法的研究比较多，像北京工业大学的张会清、重庆邮电大学袁正午[23]、西安交通大学的孙瑜和范平志[24]、复旦大学的倪巍和王宗欣[25]等。他们对室内定位算法都提出了自己的改进算法，包括基于多元线性回归快速迭代的室内定位算法，基于RSSI测量的定位算法等，结果都提高了定位精度，得到使人满意的结果。目前国内关于室内定位算法的研究成果中具有代表性的有：蔡胜利等提出的基于序列图像块匹配的室内定位算法研究[26]，此算法能够实现精准快速定位效果，以块匹配法为核心，首先初始化序列图像，然后确定搜索区域，计算最小绝对差，返回图像的坐标值，进行坐标变换，最终计算得出两帧图像的位置变化；目前国内研究者对于基于RFID的室内定位算法研究很多，陈聪传等提出的区域细化的RFID室内定位算法[27]是在LANDMARC算法基础上进行定位的，算法利用对射频信号强度调制进行定位区域细化，消除距离待定位标签较远读卡器和参考标签对定位计算的影响；另外，杜海涛等人提出的基于无线传感器和视频融合的室内定位跟踪模型[28]，提高了室内定位跟踪精度，扩大了定位跟踪范围，该模型通过分析无线传感器和视频传感器的定位特点，确定了基于粒子滤波的融合定位策略，提高视频目标检测能力，补偿无线传感器的定位精度和盲区。3.4算法比较和分析本文主要讨论了基于不同测量方法的定位算法，并且讨论了国内外关于室内定位算法与室内定位系统的研究情况。表1对这些算法与系统从定位精度、造价、复杂性等方面进行了比较，列出了每一种算法的优缺点。所有算法与系统都有自己各自的优点和缺点。表1：各种定位方法的优缺点比较室内定位方法优点缺点WSN与RFID混合算法RFID被动标签，花费少，造价低；室内环境越不利，精确度改善越明显粒子滤波法（PF）中，计算复杂度高，且依赖于粒子数量AcousticBackgroundSpectrum(ABS)新的声音场景指纹定位方法，简洁、易计算、具有鲁棒性；提高定位精度；做出实际系统，兼顾Wi-Fi定位与ABS/Wi-Fi定位的优点噪音干扰问题基于压缩感知定位方便，通信成本低，定位花费低；只需少量RSS测量值就可以精确定位，定位误差改善明显；存储、计算、系统复杂度降低--------基于统计方法的定位无需信号强度模型；易推广；以置信区间估计位置；方法简单高效精实时性较差确；可用于三维空间定位基于遗传算法(GA)的定位提高精度；缩短定位时间；在锚节点很少时，也可以精确定位-------ActiveBadage室内定位系统利用红外技术，价格低廉红外范围有限；安装和维护成本高；隐私隐患；Cricket室内定位系统使用超声波测量技术提供位置信息，整体精度较高；保护隐私，网络构建和管理代价低需要大量基础设施，开销过高；信号传播和处理干扰较大RADAR室内定位系统易安装，不需要很多基站，利用建筑物提供无线网络基础设施；网络在范围，规模，部署和维护要比红外网络有显著的优势使用802.11技术，整体系统精度不能达到理想要求LANDMARC室内定位系统利用参考标签提升定位精度；不需要RFID阅读器；适应动态环境定位速度慢，有延迟；标签的信号强度易变化从以上比较可以看出，各种系统与算法都有自己的优点与缺点，虽然有些算法并没有介绍缺点，但是并不代表它们没有缺点。在定位精度比较高的定位系统与算法中，它们的造价与计算复杂性就会比较高，比如WSN与RFID混合算法。在一些定位精度比较低的系统与算法中，他们的造价与计算复杂性就会比较低，比如基于统计方法的定位。因此，在定位系统的研究中，定位精度与造价、计算复杂性的平衡是非常重要的。4.结束语根据目前研究，室外定位技术已经相当成熟，而室内移动定位和逻辑定位将会是一个很好的研究方向。汪苑等[29]认为，从总体上来说，射频识别技术用在室内定位系统中较为适合，实现起来比较方便，定位精度让人满意，且造价较低，在研究典型系统LANDMARK系统的基础上，今后可针对其缺陷进行改进，利用2.45GHz搭建无线网络实现定位，尽量提高定位效率和精度。由于无线传感网络成本低廉和容易部署，WSN已成为室内定位应用最为广泛的技术，然而由于RF信号在室内传播受到障碍物的阻碍，为了提高定位效果和提升定位精度，ZhoubingXiong等提出基于WSN和RFID混合室内定位方法[12]。混合式系统应该会成为定位系统的一个发展方向，可以通过多种定位技术结合来优化定位系统的各项指标。未来的研究热点有：提高移动定位系统的定位精度和准确度，移动定位信息的获取和处理，移动定位应用的研究。考虑因素有[30]：(a)BeaconNodes（锚节点配置对于定位具有很大影响）。(b)NodeDensity（许多定位算法对于节点密度很敏感，当设计或是分析一个算法时，考虑节点密度需求是很重要的。）(c)Accuracy（位置精度展示计算位置与节点物理位置的切合度。）(d)Cost（一个定位系统的开销主要包括硬件开销和能量开销。）然而，室内定位也具有相当多的挑战：1.室内环境复杂，空间范围狭小，对定位精度要求较高。2.无线信号容易受室内摆设、人员频繁移动影响，造成传输过程中的大量衰减和严重反射现象，所以对定位技术以及算法要求苛刻。3.室内定位设备要尽量简单、功耗低、成本低廉并且对室内其他设备不造成干扰。4.定位系统要更好融入实际场景，不给用户造成过多负担和分散用户过多的注意力。5.应尽量减少基础设施数量。6.多用户位置检测响应时间问题[31]。参考文献[1]K.CHINTALAPUDI,A.P.IYER,V.N.PADMANABHAN.IndoorLocalizationWithoutthePain[C]//ProceedingsofMobiCom.Chicago,Illinois,USA.2010:173—184[2]ELADIOMARTIN,ORIOLVINYALS,GERALDFRIEDLAND,RUZENABAJCSY.PreciseIndoorLocalizationUsingSmartPhones[C]//ProceedingsofACMMultimedia.Firenze,Italy.2010:787—790[3]STEPHENP.TARZIA,PETERA.DINDA,ROBERTP.DICK,GOKHANMEMIK.IndoorLocalizationWithoutInfrastructureUsingtheAcousticBackgroundSpectrum[C]//ProceedingsofMobiSys.Bethesda,Maryland,USA.2011:155—168[4]朱敏.室内定位技术分析[J].现代计算机（专业版）.2008(2):79—81ZHUMin.AnalysisofIndoorLocalizationTechnologies[J].ModernComputer.2008(2):79—81[5]NISSANKAB.PRIYANTHA,ANITCHAKRABORTY,HARIBALAKRISHANA.TheCricketLocationSupportSystem[C]//ProceedingsofMobiCom,Boston,MA,Aug.2000:32—431.[6]HARTERA,HOPPERA.ADistributedLocationSystemfortheActiveOffice[J].IEEENetwork,1994,8(1):62—70[7]AKSHAYATHALYE,VLADIMIRSAVI,MIODRAGBOLI,PETARM.DJURI.ARadioFrequencyIdentificationSystemforAccurateIndoorLocalization[C]//ProceedingsofICASSP.2011:1777—1780[8]A.R.KULAIB,R.M.SHUBAIR,M.A.AL-QUTAYRI,JASONW.P.NG.AnOverviewofLocalizationTechniquesforWirelessSensorNetworks[C]//ProceedingsoftheInternationalConferenceonInnovationsinInformationTechnology.2011:167—172[9]AMINY.TEYMORIAN,WeiCHENG,LiranMA,XiuzhenCHENG,XichengLU,ZexinLU.3DUnderwaterSensorNetworkLocalization[J].IEEETRANSACTIONSONMOBILECOMPUTING.DECEMBER2009.VOL.8,NO.12:1610—1621[10]IONUTCONSTANDACHE,XuanBAO,MARTINAZIZYAN.DidYouSeeBob?HumanLocalizationUsingMobilePhones[C]//ProceedingsofMobiCom,Chicago,Illinois,USA.2010:149—160[11]HET,HUANGC,BLUMBM,STANKOVICJA,ABDELZAHERT.Range-freeLocalizationSchemesforLargeScaleSensorNetworks[C]//ProceedingsofMobiCom,SanDiego,CA.2003:81—95[12]ZhoubingXIONG,FRANCESCOSOTTILE,MAURIZIOA.SPIRITO,ROBERTOGARELLO.HybridIndoorPositioningApproachesBasedonWSNandRFID[C]//ProceedingsofIEEENewTechnologies,MobilityandSecurity(NTMS).Paris,France.2011:1—5[13]ChenFENG,WAINSYANTHEAAU,SHAHROKHVALAEE,ZhenhuiTAN.CompressiveSensingBasedPositioningUsingRSSofWLANAccessPoints[C]//ProceedingsofIEEEINFOCOM.SanDiego,CA,USA.2010:1—9[14]CHUNWANGGAO,ZHENYU,YAWENWEI,STEVERUSSELL,YONGGUAN.AStatisticalIndoorLocalizationMethodforSupportingLocation-basedAccessControl[J].MobileNetworksandApplications.200914:253–263[15]Tin-YuWU,I-JuLIAO,Wei-TsongLEE,GUAN-HSIUNG,Jen-WenDING,Chung-ChiWU.EnhancingIndoorLocalizationAccuracyofSensor-basedbyAdvanceGeneticAlgorithms[C]//Proceedingsofthe6thInternationalWirelessCommunicationsandMobileComputingConference.ACM.Caen,France.2010:1218—1222[16]HYUKLIM,LU-CHUANKUNG,JENNIFERC.HOU,HaiyunLUO.Zero-configurationIndoorLocalizationoverIEEE802.11WirelessInfrastructure[J].WirelessNetworks201016:405–420[17]DAVIDMADIGAN,EIMANELNAHRAWY,RICHARDP.MARTIN,WEN-HUAJU,P.KRISHNAN,A.S.KRISHNAKUMAR.BayesianIndoorPositioningSystems[C]//ProceedingsofTEEEINFOCOM.Miami,FL,USA.2005(2):1217—1227[18]ANDERSBOUWER,FRANKNACK,VANESSAEVERS.Towardssupportforcollaborativenavigationincomplexindoorenvironments[C]//ProceedingsofACMCSCW.Hangzhou,China.2011:601—604[19]R.WANT,TheActiveBadgeLocationSystem[J].ACMTrans.InformationSystem.Jan.1992:91—102[20]JEFFREYHIGHTOWER,GAETANOBORRIELLO,ASurveyandTaxonomyofLocationSensingSystemforUbiquitousComputing.TechnicalReportNo.UWCSE01-08-03,UniversityofWashington,DepartmentofComputerScienceandEngineering,2001[21]JEFFREYHIGHTOWER,ROYWANT,GAETANO,BORRIELO.SpotON:AnIndoor3DLocationSensingTechnologyBasedonRFSignalStrength.UMCSE2000-02-02.UniversityofWashington/XeroxPaloAltoResearchCenter,2000[22]PARAMVIRBAHL,VENKATAN.PADMANABHAN.RADAR:AnIn-BuildingRF-basedUserLocationandTrackingSystem[C]//ProceedingsofIEEEINFOCOM.Tel-Aviv,Israel.2000:775—784[23]袁正午，邓思兵，李恭伟.基于多元线性回归快速迭代的室内定位方法研究[J].计算机应用研究，2007年12月，第24卷第12期：121—125YUANZheng-wu,DENGSi-bing,LIGong-wei.Newindoorpositioningmethodbasedonmultiplelinearregressioniteration[J].ApplicationResearchofComputers.Dec.2007.Vol24No.12.:121—125[24]孙瑜，范平志.射频识别技术及其在室内定位中的应用[J].计算机应用，2005年5月第25卷第5期：1205—1208SUNYu,FANPing-zhi.RFIDtechnologyanditsapplicationinindoorpositioning[J].ComputerApplications.May2005,Vol25No.5:1205—1208[25]倪巍，王宗欣.基于接受信号强度测量的室内定位算法[J].复旦大学学报(自然科学版),2004.43(1):72—76NIWei,WANGZong-xin.AnIndoorLocationAlgorithmBasedontheMeasurementoftheReceivedSignalStrength[J].JournalofFudanUniversity(NaturalScience).Feb.2004.43(1):72—76[26]蔡胜利，张会清.基于序列图像块匹配的室内定位算法研究[J].计算机测量与控制.2010.18(7):1641—1644CAIShengli,ZHANGHuiqing.ResearchonIndoorPositionAlgorithmBasedonBlockMatchofImagesequence[J].ComputerMeasurement&Control.2010.18(7):1641—1644[27]陈聪传，程良伦.区域细化的RFID室内定位算法[J].计算机应用与软件.2011.1,第28卷第1期:50—52CHENCongchuan,CHENGLianglun.RFIDIndoorLocationAlgorithmBasedonRangeDividing[J].ComputerApplicationandSoftware.28(1):50—52[28]杜海涛，全春来，周翔.基于无线传感器和视频融合的室内定位技术研究[J].计算机 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 与设计.2011.Vol.32,No.1:347—350DUHai-tao,QUANChun-lai,ZHOUXiang.ResearchofIndoorLocationTechnologyBasedonWirelessSensorsandVideo[J].ComputerEngineeringandDesign.2011.32(1):347—350[29]汪苑,林锦国.几种常用室内定位技术的探讨[J].中国仪器仪表.2011年.第2期:54—57.WANGYuan,LINJinguo.IndoorLocationTechnologyBasedonRFID[J].ChinaInstrumentation.2011(2):54—57[30]YunhaoLIU,ZhengYANG,XiaopingWANG,LirongJIAN.Location,Localization,andLocalizability[J].JournalofComputerScienceandTechnology.Mar.201025(2):274—297[31]梁韵基,周兴社,於志文,倪红波.普适环境室内定位系统研究[J].计算机科学.2010年3月.37(3):112—116LIANGYun-ji,ZHOUXing-she,YUZhi-wen,NIHong-bo.AnalysisoftheIndoorPositioningSystemsinPervasiveEnvironment[J].ComputerScience.Mar2010.Vol.37No.3:112—116作者简介：王光辉(1987--)，男，河南杞县人。南京邮电大学计算机学院硕士研究生。研究方向为计算机网络，物联网中物品定位技术。刘洪霞(1989--)，女，江苏南通人。南京邮电大学物联网学院硕士研究生。研究方向为信息网络，物联网中物品定位技术。胡浩舒(1989--)，男，江苏扬州人。南京邮电大学计算机学院硕士研究生。研究方向为计算机网络，物联网中物品定位技术。沈苏彬(1963--)，男，江苏南京人。南京邮电大学计算机学院研究员，博士生导师。1989年、2000年于东南大学计算机应用专业分别获硕士、博士学位。目前主要从事计算机网络、下一代电信网以及网络安全的研究。