ZiFind:利用跨技术干扰特征实现节能室内定位

随着上下文感知应用程序在移动用户中的普及,室内本地化变得越来越重要。 室内定位的一种有前途的方法是通过基于指纹的推理来利用普及的WiFi基础架构。 但是,WiFi设备必须在定位过程中频繁扫描WiFi信号,这会导致高功耗。 此外,切换到扫描模式会不可避免地破坏WiFi接口的数据通信。 本文介绍了一种名为ZiFind的新型室内定位系统,该系统利用了免执照的2.4 GHz频谱中的跨技术干扰。 ZiFind利用低功耗ZigBee接口来收集WiFi干扰信号,并采用数字信号处理技术来提取唯一的签名作为用于本地化的指纹。 为了处理指纹中的噪声,我们设计了一种称为R-KNN的新学习算法,该算法可以通过根据其重要性为指纹特征分配不同的权重来提高定位的准确性。 我们在TelosB节点上实施ZiFind,并通过在包含28个房间的16,000平方英尺办公楼中进行广泛的实验来评估其性能。 我们的结果表明,与现有的基于WiFi接口的方法相比,ZiFind可以显着节省功耗,并且在一系列实际设置中都能产生令人满意的定位精度。