窄带物联网室内定位：融合时间与接收信号强度的集成学习方法

本文探讨了一种融合时间与接收信号强度的窄带室内定位系统，旨在为物联网（Internet of Things, IoT）时代提供更为精确的位置服务。在物联网的背景下，大量的物理设备被连接起来，通过传感器和控制器实时感知环境并进行控制，这使得室内定位成为关键的技术需求，尤其对于智能家居、智能工厂等应用场景。 研究者们在2017年11月26日收到这篇论文，经过评审后于2018年1月10日接受，并于同年1月16日正式发表，其最新版本更新日期为2018年3月15日。论文的数字对象标识符为10.1109/ACCESS.2018.2794337，表明它发表在《访问》(ACCESS)杂志上，属于研究论文类别。 作者团队由来自吉林大学通信工程学院和瑞士伯尔尼大学计算机科学研究所的研究人员组成，其中包括Zan Li、Torsten Braun、Xiaohui Zhao、Zhongliang Zhao、Fengye Hu以及Huiliang Huang等专家，他们分别来自中国和瑞士，共同推进了这一领域的创新。 该研究的核心是提出一种基于ensemble learning（集成学习）的融合方法，将时间戳信息与无线信号强度数据相结合，用于室内定位。传统的室内定位可能依赖单一的信号源或算法，如Wi-Fi、蓝牙或RFID，但集成学习通过整合多种信号特征，能够提高定位的准确性和鲁棒性，尤其在多路径传播、信号干扰等复杂环境中。 资金支持方面，这项工作得到了中国自然科学基金的部分资助，项目编号包括61501202和61571209，同时也得到了瑞士国家科学基金会Swiss Sense Synergy Project的支持，项目编号为154458。 融合学习和接收信号强度的窄带室内定位系统是一项重要的技术突破，它利用先进的机器学习技术优化了物联网环境下的位置定位服务，为未来的智能环境提供了更高效、精确的空间认知能力。随着物联网的发展，这种系统有望在智能家居、智能物流等领域发挥重要作用。