陳新河

（中國電信股份有限公司廣州研究院，廣東 廣州 510630）

1 引言

物聯網的核心在于實現物與物以及人與物的信息交互，其中很重要的前提是全面感知，即利用傳感器、射頻識別及二維碼等感知技術在物理世界中對物體實現隨時隨地的信息采集和獲取，然后將這些信息通過網絡傳到用戶或者服務器端，最后依托智能計算技術為用戶提供各種各樣的服務。這其中基本所有采集的信息都必須和物體的具體位置相關聯，否則這個信息就大失意義。

可以說定位技術是物聯網一個重要的基礎，也是物聯網區(qū)別于PC互聯網的重要特征?！癓BS+”正在改變很多行業(yè)的傳統(tǒng)使用模式，特別是在交通導航、醫(yī)療、社交、監(jiān)控和電子商務等領域，將會起著越來越重要的作用。

定位技術發(fā)展到現在已有數幾十年的歷史，在室外環(huán)境中GPS得到了廣泛成熟的應用，但在城市中心、室內等復雜環(huán)境，衛(wèi)星信號無法穿透建筑物，GPS往往不能發(fā)揮作用，無法用于定位。雖然后來出現的A-GPS技術能夠通過結合移動通信運營基站與GPS對用戶進行快速定位，從一定程度上解決了GPS信號無法穿透建筑物的問題并廣泛應用于具有GPS功能的手機上，但在室內環(huán)境中仍存在著嚴重的多徑干擾、大量的人員干擾以及環(huán)境變動，因此只有新的且不同于GPS系列的技術出現，才有解決室內定位的可能。

2 現有研究現狀

按照定位原理劃分，現有的室內定位技術主要可以分成3種方法：基于幾何學原理的幾何測量法、基于統(tǒng)計學原理的指紋定位法以及基于運動學原理的慣性導航法。

2) 混合勵磁磁通切換電動機的合理結構的研究。在深入分析永磁雙凸極、磁通反向電動機等定子永磁型電動機的基礎上，參考混合勵磁電動機的設計思路，并結合永磁材料技術和鐵心軟磁材料等技術的最新發(fā)展，探索合理的混合勵磁磁通切換電動機結構。

2.1 幾何測量法

幾何測量法主要分三個步驟：第一是對無線電信號的一個或幾個電參量（振幅、頻率、相位或傳播時間）進行測量；第二是根據電磁波傳播特性把測量的電參量轉換為距離、距離差及到達角度等，用來表示位置關系；第三是利用幾何原理建立方程，運用各種算法或技術來實現位置估計。

在OpenCV和python的協同作用下，車牌識別研究更加便捷，每個技術環(huán)節(jié)也越來越簡潔與規(guī)范，這為今后的深入研究提供強大的平臺與技術。在整個研究過程中有如下問題值得今后進一步探討。

典型的幾何測量法有TOA（Time of Arrival，到達時間），TDOA（Time Difference of Arrival，到達時間差），AOA（Angle of Arrival，到達角度）等，其中TOA、TDOA利用用戶端到至少3個不共線的參考點的距離，通過3個圓的交點或者雙曲線交叉點實現定位；AOA則是利用測量來自多個參考點接收信號的到達角度實現定位。

但在復雜的室內環(huán)境下，受多徑干擾及非視距傳播等影響，時間和角度的測量都會存在較大的誤差，定位精度不高。與此同時，此類方法的實現需要預先知道AP（Access point，接入點）的具體位置，且需要使用專用的硬件測量設備，不滿足實際應用的需要。

李太嶂所猜一點不錯。德公公是個多疑之人，早就懷疑左右護衛(wèi)有二心。像他這種身居高位的當權者，最喜歡的部下，大多不是最能干的，而是最忠心的。老太監(jiān)聽人暗中稟報，二護衛(wèi)不止一次抱怨主人吝嗇；尤其讓他不能容忍的是，二護衛(wèi)居然私下里跟福王府接洽，意圖另攀高枝。

2.2 指紋定位法

正是由于復雜多變的室內環(huán)境，導致在不同的位置信道特征也會不一樣，同一個位置點所采集的數據特征具有唯一性。指紋定位技術則有效地利用此特性，通過采集各參考點位置的 RSS（Received Signal Strength，接收信號強度）樣本數據，構建反映該室內環(huán)境位置場強的指紋數據庫，將接收到的待測點的RSS與指紋庫中數據進行特征匹配，找出最相似的結果進行定位，具體原理與流程如圖1所示。

現有成熟的室內定位系統(tǒng)大多依賴定位數據庫，但該方法前期需要大量的數據采集工作，布局維護成本高，且不同的室內環(huán)境具備不同的數據庫特征，使得現有很多解決方案都是針對特定的環(huán)境，如果移植到其他環(huán)境會受到不同的局限，可拓展性差。

2.3 慣性導航法

（3）模型定階、參數估計以及遞推定位

此方法不依賴于外部設施且受環(huán)境影響小，可實現自主導航，但相對位移的計算是通過加速度的二重積分算的，長時間的導航會快速增加誤差的累計。此外，此方法對終端設備和要求較高，需要增加額外的網絡開銷，且不滿足用戶要求的定位技術功耗低、響應時間快、不增加成本的體驗需求。

SOP培訓組滿意度及各項能力培養(yǎng)方面均明顯優(yōu)于傳統(tǒng)組（P＜0.05），說明SOP培訓法有明顯優(yōu)勢，見表2。

綜上所述，現有這些基本定位技術存在著不同的優(yōu)缺點，單一的定位技術已不能滿足物聯網的定位需求。當前定位技術的發(fā)展趨勢是采取多種技術的融合，滿足不同的定位環(huán)境所提出的需求，以達到最優(yōu)的解決方案。

圖1 指紋定位技術的原理與流程圖

圖2 慣性導航示意圖

3 基于時間序列預測的融合跟蹤定位算法

其實對于大多數運動目標而言，運動具有一定的規(guī)律性，這種規(guī)律會對目標位置的估計提供額外的信息，而現有的定位系統(tǒng)中，終端設備在靜止狀態(tài)下在各個時刻獨立完成用戶定位的方案，并沒有利用好這額外的信息。下文將引入時間序列預測模型，充分挖掘運動前后位置的相關性，對現有的定位系統(tǒng)的結果進行修正，用于提高定位精度。

3.1 時間序列預測模型

差分平穩(wěn)化處理：

圖3 時間序列預測定位流程圖

（1）數據預處理：零均值化處理、差分平穩(wěn)處理

零均值平穩(wěn)隨機序列是運用時間序列預測法的前提，但通常系統(tǒng)所觀測的時間序列數據并非一組零均值的平穩(wěn)隨機序列，這時需要進行數據預處理：零均值化和差分平穩(wěn)化處理。一般情況下，非平穩(wěn)序列在經過一階差分或二階差分后都可以實現平穩(wěn)化，具體如下所示：

零均值化處理：

設時間序列預測子系統(tǒng)和原有靜態(tài)定位子系統(tǒng)的局部位置估計分別為Yt和Yt＇，經融合計算后的目標位置估計為Y，則最優(yōu)位置估計為各局部位置估計的線性組合：

時間序列分析（Time series analysis）是一種基于隨機過程理論和數理統(tǒng)計學的動態(tài)數據處理方法，它根據系統(tǒng)觀測到的時間序列數據，通過曲線擬合和參數估計來建立數學模型，研究隨機數據序列所遵從的統(tǒng)計規(guī)律，常用在國民經濟宏觀控制、市場潛量預測、氣象預報、水文預報及農作物病蟲災害預報等方面，流程如圖3所示：

若序列自相關和偏自相關系數圖像均呈現截尾的趨勢，則可以判定該序列符合ARMA（Auto-Regressive and Moving Average Model，自回歸滑動平均模型），接下來可利用AIC（Akaike information criterion，赤池信息量準則）與SBC（ Schwartz Bayesian criterion，施瓦茲貝葉斯準則）對模型進行定階，即確定p和q值：

（2）自相關系數和偏相關系數

對于移動物體來說，位置的時間序列一個重要特征就是前后相鄰位置的相關性?；谶@種相關性，就可以實現根據位置的歷史值去預測其未來值。

教學評價是指依據一定的客觀標準，對教學活動及其結果進行測量、分析和評定的過程。教學評價的功能主要表現在：診斷教學問題、提供反饋信息、調控教學方向、檢驗教學效果。廣義的教學評價包括對教師教學工作的評價和對學生學習結果的評價。本文中筆者討論的教學評價，是指對學生學習結果的評價。

由圖一可以看出許鈞對翻譯學的研究主要始于20世紀80年代，這一時期，我國引進了許多西方優(yōu)秀的教育著作，促使許多譯者致力于著作的翻譯工作，自然也引出了翻譯學的研究。可以看出1987-1900年，許鈞對翻譯研究的發(fā)文總量每年平均只有1篇。1991-1993年，其發(fā)文量突然上升，到了1995-1996年間，最高每年發(fā)文達到7篇之多。21世紀受“走出去”政策的影響他對翻譯學科的研究也活躍起來，幾乎保持在平均每年3-4篇左右。

則下面我們就可以利用ARMA(p,q)序列的遞推式進行預測定位：

在時間序 列模型中，因變量之間的關系很復雜，它們可能受到不止一個變量的影響，簡單相關系數并不能夠真實地反映出變量Yt和Yt-k之間的相關性，而偏自相關系數則是在消除其他變量影響的條件下所計算的兩變量之間的相關程度，即當Yt與其滯后1，2，3，…，k-1期時間序列Yt-1，Yt-2，…，Yt-3的作用己知的條件下，Yt與Yt-k的相關程度。它常用來配合自相關系數，共同辨認適當的時間序列模型，偏自相關系數表示如下：

如圖2所示，基于慣性導航的室內定位方法通過在終端中的傳感器如陀螺儀、方向傳感器及加速度傳感器等，可測量出位移者行進的方向、旋轉矢量和加速度等關鍵指標，從而計算出相對位移，并與初始位置疊加推算物體的當前位置。

判定階數最優(yōu)的標準是使AIC與SBC的值最小。其中，n為待估參數個數（即p+q可能存在的常數項），T為樣本總量，RSS為殘差平方和。對于模型參數，可采用Yule- Walker法進行估計。至此，我們就可以得出位置序列的ARMA表達式：

自相關系數是用來度量同一變量在不同時期的數據之間的相關程度，隨機序列的自相關系數會接近于零或等于零，而具有明顯規(guī)律（如上升、下降、季節(jié)波動、循環(huán)波動等）的時間序列，數據會呈現較高的自相關性，自相關系數表示如下：

3.2 融合定位算法

（1）算法原理

如圖4所示，現有的定位系統(tǒng)中，終端設備獨立完成用戶定位，會得出一個定位估計以及定位誤差范圍，同時根據目標的運功軌跡，利用時間序列預測模型可建立目標運動方程，從 而得出另一個定位估計，最后將兩者融合計算得出最后估計，可有效降低誤差范圍。

圖4 融合跟蹤定位模型原理圖

（2）算法流程

每個子系統(tǒng)把局部最優(yōu)估計連同估計誤差方差輸入融合系統(tǒng)進行融合計算，得到最終的全局最優(yōu)估計值，同時，主系統(tǒng)將融合的最優(yōu)估計、系統(tǒng)估計誤差方差矩陣以及信息權重等信息反饋給各局部子系統(tǒng)，動態(tài)重置子系統(tǒng)各參數，具體流程如圖5所示：

圖5 融合跟蹤定位模型流程圖

（3）具體實現

由于時間序列預測子系統(tǒng)是根據物體的歷史數據進行預測定位，而原有靜態(tài)定位子系統(tǒng)是根據信號接收強度進行定位，因此兩者互不干擾且相互獨立，可以認為兩個子系統(tǒng)不相關。

土地的生態(tài)功能優(yōu)先是農村土地資源利用結構優(yōu)化的前提。在土地規(guī)劃過程中先確定規(guī)劃區(qū)域的生態(tài)基本功能，進一步可對耕作條件差的區(qū)域進行有順序的、有目的的退耕還林，對可以開發(fā)利用的建設場地進行內部潛力的挖掘，采用臨近變更原則，最終形成具有特色的區(qū)域性土地利用結構。對優(yōu)化結構后減少的土地，可相應地減少田坎面積、分散狀用地、工業(yè)用地等，或選取布局零散、地力弱、管理不變的區(qū)域進行統(tǒng)籌規(guī)劃。

2.1.3 護肝劑缺五味子的陰性對照溶液的制備 按護肝劑的制備方法制得除五味子的護肝劑，取1 mL置于PE管中，水浴蒸干，其余操作同“2.1.1”項。

因為兩個子系統(tǒng)不相關，則可令：

單片機最小系統(tǒng)是組成系統(tǒng)的最小控制系統(tǒng)，是系統(tǒng)的中央控制系統(tǒng)，通常作為主機部分，是系統(tǒng)必不可少的一部分，是重中之重。在很多單片機的設計中，都可以捕捉到最小系統(tǒng)的身影。同時，值得一提的是它是控制模塊組成最小系統(tǒng)，其模塊具體包括：組成MCU的單片機控制部分、不可缺少的晶振電路以及每個系統(tǒng)都會設有的復位電路。

即可得到最優(yōu)的全局位置估計：

其中Pt、Pt＇分別為時間序列預測子系統(tǒng)以及原有靜態(tài)定位子系統(tǒng)的估計誤差方差矩陣。

4 實驗仿真

表1 定位算法比較

圖6為真實位置、原有靜態(tài)定位算法、本文融合跟蹤定位算法的仿真定位結果。從圖中可以看出，本文的融合跟蹤定位算法定位軌跡始終在真實位置附近波動，有效消除了原有靜態(tài)定位中遠離真實值的定位點，定位結果更接近真實的軌跡，有效實現了對目標的跟蹤定位。

圖6 定位仿真對比圖

圖7為本文融合跟蹤定位算法與原有靜態(tài)定位算法在各個定位點的誤差值，從仿真結果可以明顯看出本文融合跟蹤定位算法可以有效抑制定位誤差，并且在大部分條件下的定位效果均優(yōu)于原有靜態(tài)定位算法。

隨著越來越多的企業(yè)嘗到了科研眾包的兩大益處，相較從前，他們更加敢于在科技創(chuàng)新大潮中去競爭。不少的企業(yè)甚至慢慢養(yǎng)成了“企業(yè)要發(fā)展，產品(服務)要不斷創(chuàng)新”的常態(tài)觀念。調研中幾家平臺都反饋，平臺上不少企業(yè)從最初的“要我創(chuàng)新”變?yōu)槿缃竦摹拔乙獎?chuàng)新”，而一些實力較強、規(guī)模較大的企業(yè)，更是視科研眾包為一條發(fā)現創(chuàng)意、解決技術問題最優(yōu)方案的有效途徑。

1407 Association between type 2 diabetes mellitus and hepatitis B virus-related hepatocellular carcinoma: a prospective cohort study

圖7 定位誤差對比圖

5 結束語

綜上所述，本文提出了一種基于時間序列預測的融合跟蹤定位算法。針對跟蹤定位問題，利用定位目標位移的時間相關性，并基于定位目標的歷史位置信息，通過時間序列預測算法 預測出目標下一個時間段的位置信息，再將預測的結果與現有定位系統(tǒng)的定位結果進行融合計算，有效地實現了對目標的跟蹤定位。同時，仿真結果表明，時間序列算法的引入可以有效地減小定位誤差，實現更好的跟蹤定位效果。

[1] 李渝,李青. 常見無線通信定位技術研究[J]. 無線通信技術, 2012(1): 8-12.

[2] 鄧志安. 基于學習算法的WLAN室內定位技術研究[D]. 哈爾濱: 哈爾濱工業(yè)大學, 2012.

[3] 馮辰. 基于壓縮感知的RSS室內定位系統(tǒng)的研究與實現[D]. 北京: 北京交通大學, 2010.

[4] 史小紅. 基于TDOA的無線定位方法及其性能分析[J]. 東南大學學報, 2013(3): 252-257.

[5] 白嗣東. 基于數據挖掘分類聚類理論的指紋法室內定位優(yōu)化[D]. 北京: 北京交通大學, 2014.

[6] 宣秀彬. 基于Wi-Fi和航位推算的室內定位方法研究[D]. 秦皇島: 燕山大學, 2013.

[7] 趙國順. 基于時間序列分析的股票價格趨勢預測研究[D]. 廈門: 廈門大學, 2009.

[8] 陳寶全,毛永毅. 小波分析法解決無線定位跟蹤定位問題[J]. 電信科學, 2013(10): 98-102.

[9] 羅磊,田增山,陳俊亞. EKF定位跟蹤算法研究[J]. 重慶郵電大學學報: 自然科學版, 2009(1): 50-52.

[10] 李川. 基于Kalman的濾波目標精確跟蹤技術研究[J]. 通信技術, 2009,42(6): 205-207. ★