大家好，我是本栏目的编辑郝帅，现在就给大家讲解一下上面的问题。麻省理工学院和其他地方的研究人员开发的新系统可以帮助智能设备相互合作，以便在全球定位系统通常无效的环境中找到位置。

如今，“物联网”的概念广为人知：数十亿个互联传感器(嵌入日常物品、设备和车辆中，或由人或动物佩戴)可以收集和共享各种应用的数据。

新兴的“事物本地化”概念使这些设备能够感知和传达它们的位置。这一功能可能有助于供应链监控、自主导航、高度互联的智慧城市，甚至构成实时的世界“生活地图”。专家预测，到2027年，物联网本地化市场规模将增长至1280亿美元。

这个概念依赖于精确定位技术。传统方法利用全球定位系统卫星或设备之间共享的无线信号来确定它们之间的相对距离和位置。但有一个障碍：在反射表面、障碍物或其他干扰信号的地方，如建筑物内部、地下隧道或“城市峡谷”中，高层建筑位于街道两侧，会大大影响精度。

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，即使在这些嘈杂的全球定位系统拒绝区域也能捕捉位置信息。描述该系统的论文在IEEE会议记录中发表。

当网络中被称为“节点”的设备在信号阻断或“恶劣”的环境中进行无线通信时，系统会将各种类型的位置信息、数字地图和惯性信号数据融合在节点之间交换的巧妙无线信号中。在这样做时，每个节点考虑与所有其他节点的位置相关的所有信息(称为“软信息”)。该系统使用机器学习技术和减少处理数据大小的技术来基于测量和上下文数据确定可能的位置。然后，使用该信息来确定节点的位置。

在恶劣的环境模拟中，系统的运行明显优于传统方法。值得注意的是，它始终在定位精度的理论极限附近执行。此外，随着无线环境越来越差，传统系统的准确性急剧下降，而基于软信息的新系统保持稳定。

航空与信息与决策系统实验室(LIDS)系教授、无线信息与网络科学实验室负责人Moe Win表示：“当困难越来越严峻时，我们的系统将保持精准定位。”“在恶劣的无线环境中，您的反射和回声使获取准确的位置信息变得更加困难。像麻省理工学院校园里的斯塔塔中心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如此恶劣的无线环境中尤为强大。”

获奖论文包括：费拉拉大学的安德烈亚孔蒂；BCAM的圣地亚哥马祖拉斯；费拉拉大学的Stefania Bartoletti南加州大学的威廉c林赛。

捕捉“软信息”

在网络本地化中，节点通常被称为锚或代理。锚点是具有已知位置的节点，例如全球定位系统卫星或无线基站。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。

为了本地化，代理可以使用锚点作为参考点，或者与其他代理共享信息来定位自己。这包括发送无线信号，到达携带位置信息的接收器。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有关。

传统的定位方法提取信号的特征来估计单个值，例如两个节点之间的距离或角度。定位精度完全取决于不灵活(或“硬”)值的精度，事实证明，随着环境越来越差，精度会急剧下降。

假设一个节点向10米外的另一个节点发送信号，建筑物中有许多反射面。信号可能会反弹并在对应于13米远的时间到达接收节点。传统方法可能会将错误的距离指定为一个值。

对于这项新工作，研究人员决定尝试使用软信息进行本地化。该方法使用许多信号特征和上下文信息来创建所有可能的距离、角度和其他度量的概率分布。孔蒂说：“这被称为“软信息”，因为我们不会对价值做出任何艰难的选择。”

该系统对信号特性进行了多次采样测量，包括其功率、角度和飞行时间。上下文数据来自外部资源，例如捕获和预测节点移动方式的数字地图和模型。

回到前面的例子：基于信号到达时间的初始测量，系统仍然保持节点相距13米的可能性很大。然而，根据信号的一些延迟或功率损失，它们相距10米的可能性很小。当系统融合来自周围节点的所有其他信息时，它将更新每个可能值的概率。比如可以ping一下地图，然后看到房间的布局显示两个节点相距13米的可能性很小。结合所有更新的信息，它确定节点更有可能位于10米之外。

温说：“最后，保持低概率很重要。”“我没有告诉你确切的数值，但告诉你我确实和你有13米的距离。

降低复杂度

但是，从信号中提取许多特征会导致数据尺寸过大，对于系统而言可能过于复杂且效率低下。为了提高效率，研究人员将所有信号数据缩小到一个尺寸较小且易于计算的空间中。

为此，他们基于“主要成分分析”确定了接收波形中对定位最有用和最不有用的方面，该技术将最有用的方面保留在多维数据集中，而将其余部分丢弃，从而创建了一个简化的数据集。尺寸。如果接收到的每个波形包含100个样本测量值，则该技术可能会将其数量减少到八个。

一项最终的创新是使用机器学习技术来学习一种统计模型，该模型描述了来自测量和上下文数据的可能位置。该模型在后台运行，以测量信号弹跳如何影响测量，从而有助于进一步改善系统的精度。

研究人员现在正在设计使用较少的计算能力来处理无法传输或计算所有必要信息的资源紧张的节点的方法。他们还致力于使系统实现“无设备”本地化，其中某些节点无法共享信息。这将使用有关信号如何从这些节点反向散射的信息，以便其他节点知道它们的存在以及它们的位置。