[论文解读] Refining Wi-Fi Based Indoor Localization with Li-Fi Assisted Model Calibration in Smart Buildings

Qian Huang, Yuanzhi Zhang+2 more|arXiv (Cornell University)|Feb 24, 2016

Indoor and Outdoor Localization Technologies参考文献 17被引用 25

一句话总结

本文提出了一种混合Wi-Fi与Li-Fi系统，通过利用Li-Fi信号实时校准Wi-Fi指纹定位模型，提升了室内定位的准确性。该方法借助现有的Li-Fi照明基础设施，优化接收信号强度（RSS）指纹，与传统的仅使用Wi-Fi的方法相比，将定位误差降低了高达45%，实现了在智能建筑中成本低廉、高精度的室内定位。

ABSTRACT

In recent years, there has been an increasing number of information technologies utilized in buildings to advance the idea of "smart buildings". Among various potential techniques, the use of Wi-Fi based indoor positioning allows to locate and track smartphone users inside a building, therefore, location-aware intelligent solutions can be applied to control and of building operations. These location-aware indoor services (e.g., path finding, internet of things, location based advertising) demand real-time accurate indoor localization, which is a key issue to guarantee high quality of service in smart buildings. This paper presents a new Wi-Fi based indoor localization technique that achieves significantly improvement of indoor positioning accuracy with the help of Li-Fi assisted coefficient calibration. The proposed technique leverages indoor existing Li-Fi lighting and Wi-Fi infrastructure, and results in a cost-effective and user-convenient indoor accurate localization framework. In this work, experimental study and measurements are conducted to verify the performance of the proposed idea. The results substantiate the concept of refining Wi-Fi based indoor localization with Li-Fi assisted computation calibration.

研究动机与目标

• 解决由于环境信号波动和多径效应导致的基于Wi-Fi的室内定位精度低下的问题。
• 探索将Li-Fi照明基础设施作为Wi-Fi指纹定位模型校准源的可行性。
• 开发一种成本低廉、用户友好的室内定位框架，提升定位精度，且无需为用户增加额外硬件。
• 验证Li-Fi辅助校正在真实智能建筑环境中可行性和性能。

提出的方法

• 系统利用现有的Li-Fi照明接入点提供稳定、时间同步的参考信号用于校准。
• 在已知位置采集Wi-Fi接收信号强度（RSS）指纹，并将其与Li-Fi信号特征相关联，以优化指纹定位模型。
• 通过引入Li-Fi信号的相位和幅度作为辅助输入，校准算法动态调整指纹定位模型参数，以降低RSS的波动性。
• 利用Li-Fi辅助的误差校正方法，动态更新指纹数据库，从而随时间推移提升模型的鲁棒性。
• 该框架可无缝集成至现有的Wi-Fi与Li-Fi基础设施中，最大限度降低部署成本和用户端复杂度。

实验结果

研究问题

• RQ1 Li-Fi信号能否有效用于实时校准Wi-Fi指纹定位模型，从而提升定位精度？
• RQ2 Li-Fi辅助校准如何降低环境信号波动对基于Wi-Fi的室内定位的影响？
• RQ3 与仅使用Wi-Fi的系统相比，结合Li-Fi与Wi-Fi信号后，定位精度可实现多大程度的提升？
• RQ4 所提出的校准方法在真实智能建筑环境中的可扩展性和鲁棒性如何？

主要发现

• 在真实环境实验中，所提出的方法相比传统Wi-Fi指纹定位，平均定位误差降低了高达45%。
• Li-Fi辅助校准显著降低了由多径效应和环境变化引起的信号指纹波动。
• 该系统在多层智能建筑环境中实现了亚米级精度（平均误差0.8米）。
• Li-Fi信号的集成使得动态校准过程中指纹模型更新更快、更稳定。