一个由麻省理工学院和其他地方的研究人员设计的系统，使互联的智能设备能够在GPS通常失效的嘈杂环境中协同定位它们的位置，这对于新兴的“事物定位”应用程序非常有用。来源:麻省理工学院的克里斯汀·丹尼洛夫

 

连在一起的设备现在可以共享位置信息，即使是在嘈杂的、gps不支持的地区。

 

麻省理工学院和其他地方的研究人员开发了一种新系统，帮助智能设备网络在GPS通常失效的环境中协同定位。

 

今天，“物联网”的概念是相当知名的:世界各地数十亿相互连接的传感器——嵌入日常物品、设备、车辆或人或动物穿戴的——收集和共享数据，用于一系列应用。天富登录测速

 

一个新兴的概念，“物体的定位”，使这些设备能够感知和交流他们的位置。这种能力可能有助于供应链监控、自主导航、高度互联的智能城市，甚至形成实时的世界“生活地图”。专家预测，到2027年，物的本地化市场将增长到1280亿美元。

 

这个概念依赖于精确的定位技术。传统的方法利用GPS卫星或设备之间共享的无线信号来确定彼此之间的相对距离和位置。但也有一个问题:在有反射表面、障碍物或其他干扰信号的地方，比如在建筑物内部、地下隧道或“城市峡谷”中，高楼林立在街道两旁，精度会受到很大影响。

 

来自麻省理工学院、费拉拉大学、巴斯克应用数学中心(BCAM)和南加州大学的研究人员开发了一种系统，即使在这些嘈杂、gps无法覆盖的地区也能捕获位置信息。一篇描述该系统的论文发表在《IEEE学报》上。

 

当网络中的设备(称为“节点”)在信号受阻或“恶劣”环境中进行无线通信时，该系统会融合来自节点之间交换的不可靠无线信号的各种类型的位置信息，以及数字地图和惯性数据。在此过程中，每个节点考虑与所有可能位置相关的信息——称为“软信息”——相对于所有其他节点的信息。该系统利用机器学习技术和减少处理数据的尺寸的技术，从测量和上下文数据确定可能的位置。使用该信息，然后定位节点的位置。

 

在恶劣场景的仿真中，该系统的性能明显优于传统方法。值得注意的是，它始终如一地接近定位精度的理论极限。此外，随着无线环境的日益恶化，传统系统的精度急剧下降，而新的基于软信息的系统保持稳定。

 

航空航天系教授、信息与决策系统实验室(LIDS)无线信息与网络科学实验室主任莫温(Moe Win)说:“当困难变得更严峻时，我们的系统会保持精确的定位。”“在恶劣的无线环境中，反射和回声会使获取精确位置信息变得更加困难。像Stata中心(位于麻省理工学院校园内)这样的地方尤其具有挑战性，因为到处都有反射信号的表面。我们的软信息方法在这种恶劣的无线环境中尤其可靠。”

 

与Win一起撰写这篇论文的有:费拉拉大学的Andrea Conti;BCAM的Santiago Mazuelas;费拉拉大学的Stefania Bartoletti;以及南加州大学的威廉·c·林赛。天富登录测速

 

捕捉“软信息”

 

在网络定位中，节点通常被称为锚点或代理。锚是已知位置的节点，如GPS卫星或无线基站。代理是位置未知的节点，如自动驾驶汽车、智能手机或可穿戴设备。

 

要进行定位，代理可以使用锚作为参考点，或者它们可以与其他代理共享信息以进行定位。这包括发送无线信号，这些信号到达接收器时携带着位置信息。例如，接收波形的功率、角度和到达时间与节点之间的距离和方向相关。

 

传统的定位方法提取信号的一个特征来估计一个值，比如两个节点之间的距离或角度。定位精度完全依赖于那些不灵活(或“硬”)值的精度，并且精确度已经被证明会随着环境的恶化而急剧下降。