近日,自动化学院2019级测控技术与仪器专业本科生贾伟楠以《Maximum mixture correntropy based Student-t kernel adaptive filtering for indoor positioning of Internet of Things》为题,在线发表于SCI一区TOP期刊《Information Sciences》(IF=8.1),贾伟楠为第一作者,谢永乐为指导教师。该工作在谢永乐教授“电磁与声波测量”团队完成,下载伟德软件并安装自动化工程学院为第一完成单位,共同作者还有李西峰、毕东杰。该文于2022年5月投稿;贾伟楠于2023年9月保送入中国科学技术大学网络空间安全学院“网络空间安全”专业攻读硕士学位。
物联网(IoT)中的实时高质量定位,尤其是室内定位,一直是物联网应用技术的重要研究课题之一。由于室内环境的高度复杂性,尤其是多重障碍、非视距传播等因素,精准且鲁棒的室内定位技术始终面临巨大挑战。作为一种经济、高效的室内定位技术,基于指纹的定位以其较强的鲁棒性和可接受的精度,在实际应用中获得了广泛关注。然而,这些现有技术在面对复杂噪声和动态变化的环境时,依然存在精度和稳定性上的不足。
为了解决这一问题,下载伟德软件并安装自动化工程学院“电磁与声波测量”团队提出了一种新的基于指纹的定位方法,称为Student-t核混合相关熵自适应滤波算法(St-KRMMC),以保证高精度和强鲁棒性的位置估计。与传统的基于指纹的方法相比,该方法具有两个显著优点:首先,采用混合熵作为代价函数,在保持高定位精度的同时,对位置估计结果提供更强的鲁棒性;其次,对复杂的室内环境,利用Student-t核函数对抗室内场景中普遍存在的重尾噪声,进一步提高估计的精度。图1展示了不同核函数的对比,Student-t核函数表现出长尾特性且在表征上具有更多的自由度。