摘要
利用普通的Wi-Fi基础设施进行室内定位，对于智能建筑和物联网应用而言极具吸引力，但Wi-Fi精细定时测量技术的实际精度仍受到非视距传播、多路径延迟、接入点相关的测距偏差以及不稳定的锚点几何结构等因素的限制。本文提出了一种名为MRL-GCF的测量可靠性学习与几何约束融合框架，用于实现可靠的水平方向Wi-Fi精细定时测量室内定位。该框架通过包含接收信号强度指示器、对数形式的精细定时测量距离、短时间窗口内的距离稳定性、RSSI波动值、接入点可见性、异常距离趋势以及粗略的锚点几何信息等多因素表征，来评估各个接入点观测数据的可靠性。一个轻量级的异方差神经校准器可用于估算距离偏差和观测不确定性。此外，还基于残差模式的软目标进一步训练了一个监督型的可靠性判定模型，其熵值被用作传播模糊度的度量指标。将所学到的不确定性数据与传播模糊度、地图遮挡情况、考虑材料特性的遮挡信号以及锚点几何结构等信息相结合，从而选出可靠的锚点，并构建出一个具有信任权重的非线性最小二乘定位目标函数。为避免因在相同检测点重复扫描而高估性能，该方法采用了扫描级测试和保留部分点的测试策略。实验在大厅、教室和宿舍环境中进行，共进行了4410次同步的RSSI-精细定时测量扫描。在882次扫描级测试中，MRL-GCF的平均绝对误差分别为0.88米、0.55米和1.20米，且在3米以内的定位成功率分别为98.0%、99.0%和96.5%。此外，还进行了基于重放的动态分析、时间维度分析、跨设备对比分析、接入点密度分析、不确定性校准分析、地图可用性分析以及系数敏感性分析，以评估该技术在实际应用中的稳健性。这些结果表明，在保持几何约束的前提下学习测量可靠性，为实现可靠的Wi-Fi精细定时测量室内定位提供了一种实用且易于理解的解决方案。
