改进的Wi-Fi被动式室内定位方法ILLFRM：提升精度与实时性

本文主要探讨了基于Wi-Fi的被动式指纹室内定位系统的深入研究，Wi-Fi作为一种广泛应用的无线通信技术，为室内定位提供了低成本且易于实施的解决方案。被动式指纹定位技术的独特之处在于它无需待定位对象携带额外设备，仅依赖于周围环境中已有的Wi-Fi信号，这显著降低了部署成本并保持了良好的非侵入性，使其在室内定位领域具有显著优势。 现有的基于Wi-Fi的被动式定位技术，如Buzzer和Pilot，通常采用离线和在线两阶段操作。在离线阶段，系统会收集并存储各个参考点的Wi-Fi信号特征，形成指纹数据库。在线阶段则通过对比实时接收的信号与数据库中的指纹，实现位置估计。然而，这种传统的匹配方法存在两个主要挑战：一是匹配过程需要遍历整个指纹库，计算量大，导致实时性能较低；二是可能存在与目标位置相近但不精确的指纹干扰，影响定位精度。 为解决这些问题，文章提出了一种新的室内定位方法ILLFRM，它结合了位置指纹定位技术和距离测量算法。在在线阶段，ILLFRM首先通过粗定位快速缩小搜索范围，然后在指纹匹配前过滤掉与当前位置无关的指纹，降低了匹配复杂度，并减少了无关指纹带来的干扰。这种方法显著提高了定位精度，同时保持了较高的实时性。实验结果显示，相比于Pilot和Buzzer，ILLFRM的定位精度分别提升了约28%和51%，而且总的匹配时间少于200ms，完全符合实时性要求。 作者李方敏等人，作为研究领域的专家，他们分别在无线网络资源管理、数据分析、数据中心网络、物联网以及无线通信网络等领域有所贡献。他们的研究工作得到了国家自然科学基金的资助，体现了学术界的重视和支持。 这篇文章对于改进基于Wi-Fi的被动式指纹室内定位系统具有重要意义，不仅提升了定位精度和实时性，还为今后的研究提供了新的思路和技术支撑，有助于推动该领域的发展。