朱 萌,李敬兆,李化顺,石 晴

(1.安徽理工大学 人工智能学院,安徽 淮南 232001;2.安徽理工大学 电气与信息工程学院,安徽 淮南 232001;3.淮北合众机械设备有限公司,安徽 淮北 235000)

中国工业5.0概念的提出,推动了工业产业数字化发展。近年来,制造车间数字化转型已成为未来车间建设的趋势。与数字化制造车间相关的应用多数离不开定位技术的支持。随着网络通信、全球定位系统(global positioning system,GPS)等一系列技术的飞速发展,定位技术的精确度和速度得以大幅度提升。然而,在车间内由于室内环境条件限制,阻碍了接收来自室外GPS的位置数据,使得位置精确度大大降低。因此,高精度的室内定位系统具有极高的科学研究关注度和社会应用价值。

目前,主流的室内定位算法大致分为两类:测距和非测距的空间定位算法[1]。前者是利用目标位置和参考位置之间测得的角度或距离,通过计算判断出目标点的位置,主流算法包括接收信号强度指示(received signal strength indication,RSSI)[2]、到达时间(time of arrival,TOA)[3]、到达时间差(time difference of arrival,TDOA)[4]等方法;而后者是利用网络拓扑结构信息来判断测量目标点的位置,主流算法包括距离向量算法[5]、位置指纹定位算法[6]。相较于测距定位算法,非测距定位算法具有功耗小、成本低且易实现等优点。

位置指纹定位算法是由离线和在线两阶段完成的[7]。离线阶段的任务是实现对每个参考位置不同的无线接入点(access point,AP)采集RSSI值,构建指纹信息库。在线阶段的任务是实现对目标位置的不同AP进行RSSI值采集、匹配和定位。目前,位置指纹定位的方法包括贝叶斯法、近邻法(nearest neighbors,NN)和K近邻法(K-nearest neighbors,KNN)等。……