""

澳门太阳城|网站注册

  • 研究人员在澳门太阳城网站的设计和其他的系统能够互联智能设备协同找准自己的位置在嘈杂的环境在GPS通常会失败,这是新兴的“本土化 - 的 - 事”应用。

    研究人员在澳门太阳城网站的设计和其他的系统能够互联智能设备协同找准自己的位置在嘈杂的环境在GPS通常会失败,这是新兴的“本土化 - 的 - 事”应用。

    图片:恭达尼洛夫,澳门太阳城网站

    全屏

系统可帮助智能设备找到自己的位置

研究人员在澳门太阳城网站的设计和其他的系统能够互联智能设备协同找准自己的位置在嘈杂的环境在GPS通常会失败,这是新兴的“本土化 - 的 - 事”应用。

连接的设备可以共享位置信息,即使在嘈杂的,GPS区域。


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
新闻办公室

媒体资源

1张图片下载

媒体访问

媒体只能从本网站的桌面版本下载。

研究人员在澳门太阳城网站开发和其他新的系统可以帮助智能设备的网络合作,以找到在环境中的位置在GPS通常会失败。

今天,在“物联网”的概念是相当知名:全世界数十亿互联的传感器 - 嵌入在日常物品,设备和车辆,或人或动物戴 - 收集和共享数据的应用范围。

一个新兴的概念,“物联网定位,”使这些设备感知和交流自己的位置。这种能力可以在供应链监控,自主导航,高度连接的智能城市,甚至形成一个实时的“活地图”世界的帮助。专家预计,本地化 - 的 - 东西市场将在2027年增长到$ 128个十亿。

概念取决于精确定位技术。传统的方法利用的GPS卫星或无线信号的设备之间共享彼此建立它们的相对距离和位置。但有一个障碍:精度与反射表面,障碍物或其他干扰信号,如建筑物内的地方遭受很大,在地下隧道,还是在“城市峡谷”,其中高层建筑侧翼于街道两边。

来自澳门太阳城网站,费拉拉大学,应用数学(BCAM)的巴斯克中心,以及南加州大学的研究人员已经开发出捕捉,即使在这些嘈杂的,GPS区域位置信息的系统。描述系统纸出现在 ieee的诉讼程序.

当一个网络,被称为“节点”,在一个信号阻隔进行无线通信,或者“苛刻”环境中的设备,系统熔断器各种类型的从狡猾的无线信号的位置信息的节点之间交换,以及数字地图和惯性数据。在此过程中,每个节点都认为与所有可能的地点相关的信息 - 所谓的“软信息” - 相对于那些所有其他节点。该系统利用机器学习技术和技术,减少处理的数据的尺寸,以确定从测量值和上下文数据的可能位置。利用这些信息,然后查明该节点的位置。

在恶劣的情景模拟,系统操作比传统的方法更显著。值得注意的是,它一直为附近定位精度的理论极限进行。此外,由于无线环境得到越来越差,传统的系统准确度显着,而新的基于信息系统的软持稳下跌。

“当强悍得强硬,我们的系统保持定位准确,”萌取胜,在航空航天系教授和实验室信息和决策系统(盖),以及无线信息网络科学实验室的负责人。 “在恶劣的无线环境中,你有反射和回声,使他们更难以得到精确的位置信息。像STATA中心[根据MIT校园]的地方是特别具有挑战性的,因为有表面反射信号随处可见。我们的软信息的方法就是在这样恶劣的无线环境中尤为强劲。”

加入纸上胜利是:费拉拉大学的安德烈孔蒂; BCAM圣地亚哥mazuelas;费拉拉大学的斯特凡BARTOLETTI;和威廉℃。南加州大学的林赛。

捕捉“软信息”

在网络的本地化,节点通常被称为锚或试剂。锚具有已知位置,诸如GPS卫星或无线基站节点。代理商是具有未知位置的节点 - 如自动驾驶汽车,智能手机,或身打扮。

本地化,代理可以使用锚作为参考点,或它们可以共享与其他试剂信息自身定向。涉及发射无线信号,其中在接收器带位置信息到达。功率,角度和时间的到达所接收的波形的,例如,关联于节点之间的距离和方向。

传统定位方法提取信号的一个特征来估计,比方说,两个节点之间的距离或角度的单个值。定位精度完全依赖于那些不灵活的(或“硬”)值的精度和准确性已经被示出的环境中得到更苛刻的大幅降低。

说一个节点发送信号,以便这10米远在具有许多反射面的建筑物的另一节点。该信号可以来回反弹,并在时间达到对应至13米远的接收节点。传统方法可能会分配不正确的距离值。

对于新的工作,研究人员决定利用本地化软信息来尝试。所述方法利用许多信号特征和上下文信息创建的所有可能距离,角度的概率分布,以及其他指标。 “这就是所谓的‘软信息’,因为我们不做出关于值的任何艰难的抉择,”孔蒂说。

系统需要的信号特征许多样品的测量,包括它的功率,角度和飞行时间。来自外部源的内容相关的数据,如数字地图和模型捕获和预测如何节点移动。

回到先前的例子:基于到来的信号的时间的初始测量,该系统仍然分配的高概率的节点是13米开。但它分配,他们是除了10米,根据信号的一些延迟或功率损耗小的可能性。作为系统保险丝从周围节点的所有其他信息,它将更新为每个可能的值的可能性。例如,它可以ping通的地图,看到房间的布局显示这是极不可能的两个节点13米单独。结合所有更新的信息,它决定了节点更有可能是在为10米开外的位置。

“到底,保持低概率值的问题,”赢说。 “而不是给一个定值,我告诉你我真的相信你离开13米,但有你也更贴近可能性更小。这给在确定其节点的位置显著优势附加信息“。

减少复杂性

从信号中提取多的功能,然而,导致具有大尺寸的,可以是太复杂和低效的系统数据。为了提高效率,研究人员的所有信号数据压缩成尺寸减小和易于计算的空间。

这样做,他们确定所接收的波形是最以及基于“主成分分析,”,保持在多维数据集的最有用方面,并丢弃其余的技术精确定位的位置,创建的数据集至少有用具有降低的方面尺寸。如果接收到的波形包含每100次样品测量,所述技术可能减少数字,比方说,8。

最后的创新是使用机器学习技术,学习描述从测量和上下文数据可能位置的统计模型。这种模式在后台运行,以测量信号的弹跳会如何影响测量,有助于进一步完善了系统的准确性。

研究人员正在设计方式,使用更少的计算能力与不能传输和计算所有必要的信息,资源短缺的节点工作。他们还努力使整个系统的“无设备”定位,其中一些节点不能或不愿共享信息。这将使用有关的信号是如何反向散射这些节点的信息,以便其他节点知道它们的存在和它们所在的位置。


话题: 研究, 计算机科学与技术, 算法, 机器学习, 移动设备, 网络, 无线, 互联网, 信息和决策系统实验室(盖子), 航空航天工程, 工程学院, 物联网

回到顶部