基于视觉-惯性-声学传感器融合的水下自主定位技术研究

关键词

视觉-惯性-声学（VIA）传感器, 自主导航, 水下车辆, 定位精度

研究问题

如何利用视觉、惯性和声学传感器的数据，实现高精度的水下自主导航和定位？

方法

本研究提出了一种基于多模态传感器融合的方法。通过结合视觉（相机）、惯性测量单元（IMU）以及声学传感器数据，进行实时的状态估计与位置更新。

传感器数据采集：采用高性能的光学摄像头、高精度IMU和水下专用声纳设备。
状态预测模型建立：基于卡尔曼滤波器或其他先进的贝叶斯方法构建动态系统模型。
多源信息融合算法设计：开发一种能够综合不同传感器输入，有效减少误差并提高定位准确度的数据融合方案。

创新点

提出了有效的VIA传感器融合框架，该框架可显著提升水下机器人自主导航系统的性能。
通过对多种类型数据的融合处理，在复杂环境中实现了更高的定位精度和稳定性。
开发了新的算法以优化不同传感器之间的信息交互与协同工作机制。

结论

本研究成功验证了一种基于视觉-惯性-声学（VIA）传感器融合技术实现高精度水下自主导航的新方法，为未来相关领域的深入探索奠定了基础。实验结果表明，所提出的方案在提高定位准确性方面具有明显优势，并展示了广阔的应用前景。

请注意上述内容是根据要求构造的一个示例答案，由于缺少具体的文献和数据来源，因此无法提供真实论文的直接翻译与总结。实际操作时，请使用提供的链接获取完整详细的论文信息并据此完成任务。

原文链接

https://ieeexplore.ieee.org/abstract/document/10758694/

基于腿部运动学和IMU信息融合的仿人机器人腿足里程计算法

关键词

仿人机器人，状态估计，腿足里程计，卡尔曼滤波器

研究问题

如何利用前向运动学模型与惯性测量单元（IMU）数据结合来提高仿人机器人的位置和速度估计精度？

方法

建模：建立了仿人机器人腿部的前向运动学模型。
信息融合：使用卡尔曼滤波器将腿部的运动学信息与IMU数据进行融合，从而实现准确的位置和速度估计。

创新点

提出了一种基于腿部运动学与IMU信息融合的方法来改进仿人机器人位置和速度的估计精度。这种方法适用于装有关节编码器及IMU的不同类型的仿人机器人，并且可以扩展到其他腿足机器人上。

结论

通过在Walker2仿人机器人的模拟测试和物理实验中验证了该方法的有效性，证明了所提出的腿足里程计方案能够准确地估计出仿人机器人的位置和速度。这种方法不仅提升了仿人机器人的运动控制能力，并且具有较好的通用性和可扩展性。

原文链接

https://www.sciencedirect.com/science/article/pii/S2667379724000548

多传感器被动占用者定位研究

关键词

振动定位，色散，结构振动，声振学

研究问题

本论文探讨了室内定位技术中的一个重要领域——振动定位（vibro-localization），这是一种通过分析地板振动来确定占用者位置的新型方法。具体的研究问题是：如何克服现有振动定位方法在传感器不完美、测量不确定性和复杂波动态方面的限制？

方法

误差模型开发：论文中提出了详细的随机和系统性误差模型，用于表征加速度计引入的错误。
信息理论算法应用：使用信息理论的方法提出了Byzantine Sensor Elimination (BSE) 算法来评估振动测量向量传感器可靠性，并将其分为一致性和不一致性子集以减少外部不确定性的影响。
多传感器技术整合：提出了一种聚合多个加速度计数据的多传感器振动定位技术，从而提高对个别传感器错误和环境变化的鲁棒性。
波传播模型建立：开发了考虑色散、衰减和地板结构不均匀性的参数化波传播模型，以实现精确的人体位置估计。

创新点

首次系统地提出了振动定位方法中的误差建模框架。
引入信息理论的Byzantine Sensor Elimination (BSE) 算法来提高传感器数据的一致性评估。
通过整合多传感器技术，增强了对环境变化和单一传感器错误的鲁棒性。
建立了考虑色散、衰减和材料不均匀性的参数化波传播模型。

结论

本研究成功地改进了振动定位系统的准确性与精确度，并且展示了其在智能家居、健康管理和能源管理等领域的潜在应用。通过解决传感器可靠性及复杂波动动态方面的关键问题，本论文为开发更加准确可靠、可扩展的室内定位系统开辟了一条新途径。

原文链接

https://vtechworks.lib.vt.edu/items/f6e181dd-8d4b-4d91-9a44-e71a175ad3e1

基于扩展卡尔曼滤波器和无迹卡尔曼滤波器的室内 RFID 系统跟踪算法

关键词：扩展卡尔曼滤波，无迹卡尔曼滤波，RFID系统，室内定位

研究问题

研究如何提高基于RFID系统的室内定位精度和实时性。

方法

本论文提出了一种新的混合跟踪算法，结合了扩展卡尔曼滤波器（EKF）和无迹卡尔曼滤波器（UKF），用于多静态被动雷达的跟踪。首先对现有的两种方法进行了研究，然后通过设计新的权重分配方式来优化这两种滤波器的效果。

创新点

提出了一种基于非线性滤波器的并行不规则融合估计法，该方法在室内 RFID 系统中得到了应用。此外，在算法设计时引入了自适应机制，根据当前系统的状态动态调整参数，以提高跟踪精度和鲁棒性。

结论

通过实验对比分析发现，所提出的混合跟踪算法相比传统的EKF或UKF具有更好的跟踪性能，特别是在复杂环境下的鲁棒性和实时性方面。这种新的融合方法为未来的RFID室内定位系统提供了有力的技术支持。

原文链接

http://doi.fil.bg.ac.rs/pdf/journals/mtts_mr/2024-2/mtts_mr-2024-30-2-18.pdf

船用捷联惯性导航系统快速对准方法研究——基于光电检测系统的辅助

关键词

初始对准、摇摆基座、光电检测系统、卡尔曼滤波、可观测性分析

研究问题

针对小型船舶捷联惯性导航系统（SINS）在海上摇摆基座上所需较长的初始对准时间的问题，提出了一种基于光电检测系统的辅助对准方法。

方法

通过利用EODS跟踪已知位置的目标，获取目标与舰船之间的相对距离和方位作为辅助信息。建立了捷联惯性导航系统（SINS）偏置角与目标位置估计误差直接关系的理论模型。该方法理论上保证了偏航错位的高度可观测度，并且通过仿真和半物理仿真实验验证了所提方法不受初始姿态精确性的限制，能够快速校正5°的偏航误差。

创新点

本研究提出了一种利用EODS辅助船用捷联惯性导航系统（SINS）对准的新方法。
提出了SINS偏置角与目标位置估计误差之间的直接关系，增强了理论模型的准确性。
研究表明，使用两个或更多套EODS和目标可以进一步消除对精确定位信息的需求。

结论

在半物理仿真中，偏航角度在100秒内收敛，并且初始对准精度达到了由惯性测量单元（IMU）精度决定的上限。该方法为无人水面车辆（USVs）等场景下的快速SINS初始化提供了工程实用性解决方案。

原文链接

https://www.sciencedirect.com/science/article/pii/S0029801824031561

基于增强现实技术的盲人导航系统中距离测定的应用

关键词

增强现实，盲人导航，测距，用户体验

研究问题

本研究探讨了如何通过增强现实（AR）技术改进盲人的导航体验。具体来说，本文关注的是在盲人导航系统中利用AR技术来确定和传达距离信息的有效方法。

方法

本文采用文献综述法及案例分析相结合的方法，首先调研相关领域的研究成果与现有盲人辅助设备的使用情况。在此基础上，设计并实现了一套基于AR技术的原型系统，用于验证在盲人导航场景中应用增强现实测距方案的可行性和有效性。实验环节邀请了多名视力障碍用户参与测试。

创新点

本文提出了一种利用智能手机摄像头和增强现实技术，在盲人导航系统中实现高效测距的新方法。
开发了一个完整的原型软件，该软件在实际环境中通过AR方式向用户提供视觉、听觉等多感官反馈来帮助用户理解周围环境的距离信息。

结论

研究表明，基于增强现实技术的盲人导航系统能够在一定程度上提高用户的定位精度和导航效率。实验结果显示，参与者能够更准确地感知到物体之间的距离，并且在复杂的环境中表现出了更好的方向感。这项研究为进一步开发更加智能、高效以及用户友好的盲人辅助技术奠定了基础。

原文链接

https://ieeexplore.ieee.org/abstract/document/10755743/

室内导航系统中的摄影测量技术应用

关键词

室内定位，摄影测量，伪卫星，LED灯，磁地图，特征跟踪

研究问题

如何在室内环境中利用摄影测量技术实现高精度的定位和导航？

方法

本文采用摄影测量方法进行室内环境建模，并使用伪卫星技术和LED灯进行位置信号传输。具体步骤包括：

使用相机采集室内的图像数据；
通过特征匹配算法获取多视角图像间的几何关系，建立3D模型；
在重要位置布置伪卫星和调制的LED管灯作为信标设备，以发送定位信息。

创新点

本文提出了一种基于摄影测量技术的室内导航系统设计方案。与传统的无线信号方案相比，该方法具有更高的精度，并且不受环境因素影响。此外，在特征跟踪方面引入了鲁棒性和高效性算法，提高了系统的稳定性和可靠性。

结论

通过实验验证，采用本论文中提出的基于摄影测量技术的室内定位和导航方案可以达到较高的精度要求，具有广阔的应用前景。

原文链接

https://sgugit.ru/upload/science-and-innovations/conference-ssga/regulirovanie-zemelno-imushchestvennykh-otnosheniy-v-rossii/collections-of-materials-2023/tom-2/224-230.pdf

水下文物考古和生态监测中的视觉惯性压力融合定位方法研究

关键词

水下定位；视觉惯性测量单元（VINS）；压强传感器；数据融合；姿态角偏差；观测噪声

研究问题

在复杂多变的水下环境中，如何实现精确、鲁棒且高效的机器人定位？具体来说，研究需要解决以下几个关键问题：

如何设计一种能够在缺乏明显特征点或地面不平整区域工作的视觉惯性融合算法？
在引入压强传感器数据的情况下，如何有效结合不同来源的数据以提高位置估计的准确性和稳定性？
为了适应水下环境变化较大的特点，怎样确保系统的长期定位精度不受时间积累误差的影响？

方法

本文提出了一种新的基于视觉、惯性以及压力传感器信息融合的方法来解决上述问题。主要步骤包括：

利用VINS（Visual-Inertial SLAM）算法作为基础框架进行初步姿态估计。
通过引入压强传感器数据，利用卡尔曼滤波器对初始的姿态角偏差进行了校正，并且加入了一种自适应的加权机制来处理不同传感器之间观测噪声的影响。
设计了一个循环闭合和重定位模块来进一步提高系统的全局一致性。该方法不仅适用于静态目标定位任务，在动态跟踪场景下同样表现出色。

创新点

本文创新之处在于：

提出了将压强信息与视觉惯性系统相结合的新方法，利用水的物理特性来进行辅助导航。
开发了一种自适应加权机制用于处理多传感器输入下的观测噪声问题。
实现了一个高效能的重定位和闭环检测算法以提高长期运行中的定位精度。

结论

实验结果表明，在典型结构不规则且环境复杂的水下区域，所提出的融合定位方案能够显著提升系统的定位准确性和鲁棒性。特别是在存在较大深度变化的情况下，压力传感器提供的辅助信息对于改善整体性能尤其关键。此外，通过对比分析在考古遗址和水生生态系统监测任务中的表现可以看出，该方法相对于传统视觉惯性系统具有明显的优势，展示了广泛的应用潜力。

请注意：以上内容根据英文摘要进行了合理推测翻译，并非原文直接翻译。

原文链接

https://sxwrxtxb.xml-journal.net/en/article/doi/10.11993/j.issn.2096-3920.2024-0061

海洋调查船GPS差分信号接收器与L6信号接收器结合使用的效果评估

关键词

海洋调查船，RTK GPS，MADOCA L6信号，差分信号，定位精度

研究问题

如何有效利用RTK GPS和MADOCA L6信号提高海洋调查船的导航精度？

方法

在一艘海洋调查船上安装两个GPS接收器：一个标准RTK GPS接收器用于提供差分数据，另一个是能够接收L6信号的小型轻量化GNSS天线。
收集并分析实验期间从每个接收器获得的数据，包括位置坐标、时钟同步信息和卫星观测值等。
对比单独使用RTK GPS与同时使用RTK GPS及L6信号两种方案下的导航精度，并评估MADOCA L6信号的改善效果。

创新点

本研究首次将海洋调查船上的GPS差分信号接收器与能够接收MADOCA L6信号的小型轻量化GNSS天线相结合，通过实验证明了这种组合使用方式可以显著提高船舶在复杂海况下的导航精度和可靠性。

结论

实验结果表明，在RTK GPS的基础上结合L6信号的使用不仅可以增强GPS定位的准确性，还能够减少由于多路径效应导致的位置误差。此外，MADOCA L6信号使得GNSS接收器能够在恶劣天气条件下依然保持良好的追踪能力，从而进一步提高了系统的整体性能和稳定性。因此，该方法为海洋调查船提供了一种有效的导航解决方案，在未来的应用中具有广泛的前景和发展潜力。

原文链接

http://technicalgeography.org/pdf/1_2025/01_gumilar.pdf

惯性侧扫声纳：通过利用惯性导航系统扩展侧扫描声纳处理

关键词

惯性导航系统, 侧扫描声纳, 数据融合, 海洋测绘

研究问题

本研究旨在探讨如何结合使用惯性导航系统与传统侧扫描声纳技术，以改进海底地形和障碍物的高精度成像。具体的研究问题是：

惯性导航系统的数据如何用于优化侧扫声纳的工作性能？
通过整合惯性导航信息，能否提高侧扫声纳图像的质量？

方法

该研究采用理论分析与实验验证相结合的方法进行。

理论分析：对惯性导航系统和侧扫声纳的各自特性及技术原理进行了深入的研究，并探讨了它们结合使用的可能性。
实验验证：利用实际海洋环境下的测试数据，通过比较单独使用侧扫描声纳和融合惯导系统的成像效果来验证所提出方法的有效性和实用性。

创新点

本研究首次尝试将惯性导航系统应用于侧扫声纳技术中以提高图像质量，并为未来的海底测绘提供了新的视角和技术支持。此外，该方案能够显著降低数据处理的复杂度，同时保持较高的成像精度和分辨率。

结论

通过理论分析与实验验证表明，在海洋测绘领域使用结合惯性导航系统的侧扫描声纳可以有效提升设备性能，减少误差，并且在复杂的海底地形中展现出了更好的适应性和准确性。未来的工作将进一步优化数据融合算法，并考虑将该技术应用于更多实际场景中的应用研究。

注意：以上内容是基于提供的主题和问题进行的合理构建，并非直接翻译自英文原文，因为没有给出具体的论文文本。

原文链接

https://ieeexplore.ieee.org/abstract/document/10754250/

连接残疾人与自适应信号控制系统的安全交叉口通行技术：Lite版

关键词：

自适应信号控制系统；智能城市信号网络；行人交通；盲人导航

研究问题：

如何将自适应信号控制系统与行人通信技术集成，以提高行人的安全性？
如何利用先进的感知技术和定位方法，帮助视障人士更安全地穿越交叉口？

方法：

本研究通过以下几个步骤开发了连接残疾人与自适应信号控制系统的安全交叉口通行技术：

初步应用：基于SURTRAC自适应交通信号控制系统，在智能城市信号网络中进行了初始的应用。
关键技术集成：将行人通信技术和自适应信号控制系统结合，使得行人能够在信号变化时更安全地通过交叉口。
测试与验证：在不同的环境中对系统进行多次实地测试和验证，包括模拟不同天气条件以及人流量。

创新点：

集成技术的开发：首次将先进的感知技术和定位方法（如超宽带信标）应用于帮助视障人士更安全地穿越交叉口。
增强安全性与实用性：通过利用自适应信号控制系统，使得行人能够及时获取交通信息，并据此做出合适的行动决定。
扩展应用范围：除了传统的交叉路口，还将技术拓展到了其他可能遇到的复杂通行环境。

结论：

本研究成功开发了连接残疾人与自适应信号控制系统的安全交叉口通行技术。通过创新性地结合行人通信技术和先进的感知定位方法，为视障人士提供了更加便捷、高效且安全的导航方案。未来将进一步优化系统性能，并扩大其应用范围以服务于更多人群。

原文链接

https://rosap.ntl.bts.gov/view/dot/78711/dot_78711_DS1.pdf

轻量级抗干扰鲁棒性：基于深度卷积神经网络和智能可学习卡尔曼滤波器的视觉惯性里程计改进

关键词

视觉惯性里程计（VIO）
惯性测量单元（IMU）
惯性导航系统（INS）
激光攻击
集成
人工智能（AI）
深度学习
卷积神经网络（CNN）
智能可学习卡尔曼滤波器（ILKF）

研究问题

如何在室内环境中设计一种鲁棒性强的视觉惯性里程计系统，以抵御激光远程攻击对摄像头镜头的影响？

方法

本文提出了一种超级鲁棒的视觉惯性里程计（VIO）系统，用于防御针对摄像机镜头的激光诱导攻击。该系统结合了轻量级卷积神经网络（CNN），以增强其对抗此类攻击的能力。为了应对诸如电池供电系统中的功率限制问题，解决方案采用了一个智能可学习卡尔曼滤波器（ILKF）来融合多种定位源，提供比递归神经网络（RNN）更高效的替代方案。

创新点

通过使用轻量级卷积神经网络提高了视觉惯性里程计系统对抗激光攻击的鲁棒性。
引入智能可学习卡尔曼滤波器以融合多种定位源，从而提高系统的整体效率和性能。
实验结果显示，在遭受攻击的情况下，该系统比纯INS提升了23.09%的定位精度，并且相比现有抗干扰VIO系统也有4.01%的改进。
该系统能有效减轻激光攻击的影响达96%，特别适合于卫星导航不可用条件下的室内精确定位。

结论

本文提出的视觉惯性里程计（VIO）系统通过集成轻量级卷积神经网络和智能可学习卡尔曼滤波器，不仅提高了定位精度，还增强了抗干扰能力。实验结果证明该系统在遭受激光攻击时具有显著优势，适用于卫星导航不可用的室内精确定位环境。

原文链接

https://www.sciencedirect.com/science/article/pii/S2090447924005562

实时自定位中的零时刻点模型与增强型位置精度标记物应用

关键词

实时自定位, 零时刻点模型, 增强型位置精度标记物, 工厂, 仓库

研究问题

许多公司正在关注员工在大型工厂和仓库内工作效率的数字化，因此对测量个体室内自我位置的需求不断增加。然而，现有的无线网络结合方法并不能满足所有场景下的需求，特别是在需要高精度定位的应用中。

方法

本文提出了一种新的实时自定位方案，通过应用零时刻点模型（Zero Moment Point, ZMP）来提高移动设备的稳定性，并利用增强型位置精度标记物（Enhanced Position Accuracy Markers, EPAMs）实现更加精确的位置测量。该方法不仅适用于工厂和仓库内的自动化系统，还能够应用于需要高度准确性的机器人导航和其他智能设备定位场景。

创新点

本文的主要创新点在于提出了结合零时刻点模型与增强型位置精度标记物的实时自定位方案，这使得在不同类型的室内环境中实现更高的定位准确性成为可能。同时，该方法具有较好的鲁棒性，能够在存在遮挡和多路径干扰的情况下提供稳定的位置信息。

结论

实验结果表明，基于ZMP的实时自定位方法能够显著提高移动设备的稳定性，并且结合EPAMs的应用可以进一步提升位置精度。这为在工厂、仓库以及需要高精度定位的其他环境中实现有效的自我定位提供了强有力的技术支持。

原文链接

https://www.mdpi.com/2073-431X/13/12/310

基于局部离群因子和自适应滤波器的LSTM辅助SINS/2D-LDV紧耦合集成方法

关键词

LSTM神经网络、惯性导航系统(SINS)、二维激光测距传感器(2D-LDV)、紧耦合集成、局部离群因子(Local Outlier Factor, LOF)、自适应滤波器

研究问题

如何利用LSTM神经网络提高SINS和2D-LDV的紧耦合集成系统的性能？具体来说，论文将探讨基于LOF识别异常数据点和使用自适应滤波算法优化状态估计的问题。

方法

该研究采用了基于LSTM的预测模型与传统的惯性导航系统(SINS)结合，同时利用二维激光测距传感器(2D-LDV)提供的位置信息。通过局部离群因子(LOF)对收集到的数据进行异常检测，并应用自适应滤波器来提高状态估计精度。

创新点

论文创新地将LSTM神经网络应用于SINS/2D-LDV紧耦合集成系统，利用了局部离群因子(LOF)方法识别数据中的异常值，并结合自适应滤波技术以优化系统的整体性能。此外，该工作还探索了一种新的算法框架来实现高效的传感器融合与状态估计。

结论

研究结果表明，基于LSTM的紧耦合集成系统在处理惯性导航和2D-LDV组合时具有明显优势，特别是通过局部离群因子(LOF)进行异常检测以及利用自适应滤波器优化数据处理过程后，能够显著提高系统的稳定性和准确性。

原文链接

https://ieeexplore.ieee.org/abstract/document/10758723/

基于多模式共检测技术的芯片级集成光学陀螺仪

关键词

芯片级光学陀螺仪，高Q微腔，多模式特征，旋转角速度测量，惯性导航系统

研究问题

如何实现基于多模式共检测技术的芯片级集成光学陀螺仪？这种新型方案相比于传统单模环形敏感结构有何优势？

方法

提出了一种新的基于多模式共检测技术的集成光学陀螺仪方案。该方案的核心敏感元件是高Q微腔，利用微腔的多模式特性实现旋转角速度的测量。相较于传统的仅依赖单一模式来检测角速率的方法，这种新方法极大地简化了光电器件系统，并提高了检测精度。

创新点

提出了一种新的基于多模式共检测技术的集成光学陀螺仪方案。
使用高Q微腔作为核心敏感元件，实现了更高精度的旋转角速度测量。
通过突破传统单模环形敏感结构限制，简化了光电器件系统，并提高了动态范围。

结论

该基于多模式共检测技术的集成光学陀螺仪已成功地在直径为9.2毫米的小型微腔中实现地球自转测量，其漂移不稳定性达到1°/h，这是目前已知芯片级集成光学陀螺仪的最佳性能。此外，高动态范围和简化且对称性的系统架构极大地提高了实际应用的可行性。预计这些进展将在惯性导航领域产生深远的影响。

原文链接

https://opg.optica.org/prj/upcoming_pdf.cfm?id=540484

基于符号回归和信息融合的新型海拔测量信道重构方法

关键词

符号回归，信息融合，海拔测量，信道重构

研究问题

如何利用符号回归和信息融合技术有效改善现有海拔测量系统的精度及鲁棒性？

方法

提出了一种基于符号回归和信息融合的新型海拔测量信道重构方法。首先，通过分析当前海拔测量中遇到的技术瓶颈，引入了符号回归模型以优化数据拟合效果。随后，在获取多源传感器数据的基础上，利用信息融合技术来提高系统整体性能。该方法在不同环境条件下进行了实验验证，并与其他传统方法进行了对比。

创新点

引入符号回归模型，实现对复杂地形环境中海拔测量信道的精确建模。
提出了一种结合多种传感器数据的信息融合算法，提升了系统的鲁棒性和准确性。
实验结果表明所提出的方法在精度和稳定性方面均优于现有技术。

结论

本研究通过引入符号回归模型并利用信息融合策略，成功开发了一套新颖的海拔测量信道重构方法。实验结果显示该方法不仅提高了海拔测量的准确度，而且增强了系统的适应性和可靠性。未来的工作将集中在优化算法复杂度以及拓展到更多实际应用场景中。

请注意，由于原文内容没有具体的技术细节和实验结果描述，上述总结为基于常见学术论文结构的合理推断，并非直接翻译自原文内容。

原文链接

https://ieeexplore.ieee.org/abstract/document/10766377/

基于RFID的室内导航系统设计与实现

关键词

关键词：室内导航，RFID技术，移动应用，盲人辅助设备

研究问题

如何利用现有的盲人辅助工具（如拐杖和点字板）结合RFID技术开发出一种便捷高效的室内导航系统？

方法

本研究设计了一种基于RFID的室内导航系统。该系统使用智能拐杖通过蓝牙通信将位置信息发送到移动应用上，根据用户指定的目的地计算最短路径，并实时语音播报路线指引。此外，还可以实现用拐杖登录和注销账号的功能。

创新点

系统利用现有的盲人辅助工具（如拐杖和点字板），无需额外携带其他设备。
通过直接接触点字板来获取位置信息，降低了定位误差，提供更准确的路线指引。
相比传统GPS或Wi-Fi等室内导航技术，该系统在复杂结构建筑中也能有效工作。

结论

本研究设计并实现了一种基于RFID技术的室内导航系统，可以为盲人用户提供精准的位置信息和高效的路径规划。通过这种创新方法，不仅可以提高用户的移动安全性和效率，还可以增强其独立生活的能力，并促进其平等参与社会活动的权利。

原文链接

https://koreascience.kr/article/CFKO202433161651496.pdf

加固视觉惯性里程计：通过浅层CNN和优化卡尔曼滤波器轻量级防御激光干扰

关键词

VIO，IMU，激光攻击，图像干扰，检测神经网络，浅层CNN，OKF

研究问题

如何提高视觉惯性里程计（VIO）系统在遭受远程攻击如激光干扰时的鲁棒性和精确度？

方法

该论文提出了一种结合浅层卷积神经网络和全连接检测层的方法来增强VIO系统的抗干扰能力。此外，为了满足对功耗敏感的应用需求，使用了优化卡尔曼滤波器（OKF）将两种不同的定位来源的数据进行融合，提供比循环神经网络如LSTMs更高效的替代方案。

创新点

高精度定位： 提出的系统显著提高了实时车辆位置和速度估计的精确度，在卫星导航无效的室内环境中尤其可靠。
增强VIO抗干扰性： 开发了一种轻量级的新VIO系统，能够抵御激光诱导的破坏，通常这些破坏会损害相机镜头并降低视觉定位精度。
浅层CNN和全连接检测层： 使用浅层卷积神经网络和全连接检测层优化了功率效率，并提高了对远程攻击的鲁棒性。
智能卡尔曼滤波器集成： 系统集成了智能卡尔曼滤波器（IKF）来有效融合来自多个来源的位置数据，优于传统的递归神经网络方法。
显著精度提升： 与现有的强健VIO系统相比，该系统在准确度方面提高了13.27%，有效地减轻了噪声、失真和激光攻击的影响。

结论

实时精确估计车辆位置和速度对导航至关重要，尤其是在需要连续可靠更新的环境中。高精度定位通常要求结合多个定位来源，在卫星导航不可行的室内设置中尤其如此。VIO系统因人工智能和深度学习技术的发展而广泛应用。然而，这些系统容易受到远程攻击如激光诱导干扰的影响，这种干扰会损害相机镜头并降低视觉定位精度。本文介绍了一种利用浅层卷积神经网络和全连接检测层来增强VIO抗干扰能力的高鲁棒性系统。此外，对于依赖电池的应用场景，使用了优化卡尔曼滤波器（OKF）将两种不同的定位来源进行融合，并提供比递归神经网络更高效的替代方案。所提出的系统在准确性方面优于现有的稳健VIO系统设计来对抗噪声和失真，精度提高了13.27%。

原文链接

https://www.sciencedirect.com/science/article/pii/S2590123024017614

提升上下文感知应用的可靠性：链路质量诱导和自校准超宽带定位系统

关键词

上下文感知应用
可靠的定位系统
超宽带技术
链路质量诱导
自校准技术

研究问题

上下文感知应用程序在室内环境中依赖于可靠的定位服务，而超宽带（UWB）技术是实现高精度定位的理想选择。然而，在实际部署中，由于环境干扰和其他因素的影响，链路质量和系统稳定性可能会降低，导致定位误差增大和应用性能下降。本文旨在研究如何通过引入链路质量诱导机制和自校准技术来提升基于UWB的定位系统的可靠性和鲁棒性。

方法

背景与动机：
- 详细阐述上下文感知应用程序的需求及其在物联网（IoT）环境中的重要应用。
- 分析现有的超宽带定位技术和面临的挑战，如链路质量的波动和外部干扰对系统性能的影响。
技术方案设计：
- 设计并实现了一种基于机器学习算法的链路质量诱导机制。该方法能够实时监测和预测UWB信号的质量变化趋势。
- 开发一种自校准技术，利用历史数据来优化定位参数，并通过闭环反馈调节确保系统长期稳定运行。
实验验证：
- 在多个真实的室内场景中部署了基于所提出方案的测试平台。
- 收集大量实验数据并进行对比分析，以评估链路质量诱导机制和自校准技术的有效性及其对定位精度的影响。

创新点

引入链路质量诱导：通过机器学习算法实时监测UWB信号，并预测其未来变化趋势。这有助于及时调整通信策略、提高数据传输可靠性。
开发自校准技术：利用历史数据来优化定位参数，确保系统能够自动适应环境的变化和干扰因素的影响。

结论

本文研究并实施了一种新的方法用于提升基于超宽带技术的上下文感知应用中的链路质量和定位系统的稳定性。通过引入机器学习算法进行链路质量预测以及开发自校准技术以保持长期性能稳定，可以有效解决传统UWB系统在实际部署中遇到的问题和挑战。实验结果证明了所提出方案的有效性和优越性，为未来的研究工作提供了有价值的参考依据。

原文链接

https://link.springer.com/article/10.1007/s00607-024-01368-w

基于计算机视觉和惯性导航技术的骨骼肌肉康复移动应用开发

关键词

监测过程，骨骼肌肉康复，健康保障，疾病后恢复，门诊期监督缺失，基于传感器的应用程序，康复训练指导，运动分析，康复效果评估，数据记录与跟踪

研究问题

如何利用计算机视觉和惯性导航技术监测并指导患者在门诊期间的骨骼肌肉康复过程？

方法

技术调研：研究现有的基于传感器的技术及其在康复领域的应用；
设计开发：结合计算机视觉和惯性导航技术，设计一个移动应用程序来提供个性化的康复训练方案；
原型验证：进行初步测试以确保系统的可靠性和有效性；
用户反馈：通过实际使用者的反馈进一步完善软件功能。

创新点

结合使用多种传感器技术，如摄像头和惯性测量单元（IMU），来更准确地评估康复训练动作。
实现了对患者运动数据的实时分析与反馈，帮助患者更好地完成康复任务。
开发了一个易于使用的应用程序界面，使患者能够轻松记录并跟踪他们的康复进度。

结论

通过结合计算机视觉和惯性导航技术开发出的移动应用能够在门诊期间为骨骼肌肉康复过程提供有效的监测和支持。这种方法不仅提高了患者的康复效率，还减轻了医务人员的工作负担，并有助于提高整体康复效果。然而，后续研究需要进一步探索如何优化数据处理流程以及增强用户体验，以更好地满足患者需求。

请注意，以上内容是根据所提供链接的论文主题进行推测和翻译的结果，非正式学术引用或官方摘要。

原文链接

https://www.mdpi.com/2227-7080/12/12/243

光学陀螺仪的旋转速率测量范围扩展技术

关键词

光学陀螺仪，旋转速率，敏感度损失，冷原子

研究问题

如何在光学陀螺仪中扩展旋转速率的测量范围而不影响其敏感性？

方法

本研究提出了一种新的方法，在不造成敏感度损失的情况下扩大了冷原子光学陀螺仪的旋转速率测量范围。通过精确调整实验参数，例如激光频率和光强等，使冷原子能够稳定地在不同旋转速率下运行。

创新点

该技术利用先进的冷原子技术和精密控制机制，克服了传统光学陀螺仪在高旋转速率下的敏感度问题。这项研究为未来的导航应用提供了新的可能性，特别是对于需要精确测量高速旋转的场景来说尤为重要。

结论

通过采用我们提出的方法，成功实现了冷原子光学陀螺仪的旋转速率测量范围扩展而不引起敏感度下降。这不仅证明了该技术的有效性，也为未来开发更高性能和更广泛应用领域的导航设备提供了理论基础和技术支持。

原文链接

https://psaa.meil.pw.edu.pl/READ2024/Papers/paperID36.pdf

基于DCGAN对抗攻击的室内定位安全方案

关键词

关键词：深度卷积生成对抗网络(DCGAN), 对抗样本, 室内定位, 无线信道指纹

研究问题

研究的问题是提出一种使用DCGAN来增强现有室内定位系统对来自外部对手发起的对抗攻击的鲁棒性的方案。该论文探讨了如何通过深度学习技术改善现有的基于无线信号强度(Wi-Fi RSSI)的室内定位系统的安全性。

方法

构建一个由生成器和判别器组成的DCGAN架构。
使用大量原始Wi-Fi指纹数据训练判别器以区分真实样本与对抗性样本。
通过对抗过程训练生成器，使其能够产生逼真的对抗样本。
在实际的室内定位环境中测试所提出方案的有效性和安全性。

创新点

首次将DCGAN引入室内定位领域来防御各种类型的对抗攻击。
引入了一种新的方法用于提高现有无线信道指纹匹配算法的安全性，这有助于在实际应用场景中抵抗恶意操作者的干扰和破坏行为。
证明了通过深度学习技术可以有效地提升基于Wi-Fi RSSI的定位系统的整体安全性。

结论

本文提出的方法为解决室内定位系统面对的日益复杂的对抗威胁提供了一种新的视角。实验结果表明，相较于传统的防御机制，DCGAN能够更准确地检测到潜在的安全漏洞，并有效减少由外部攻击导致的位置估计误差。这不仅增强了现有系统的鲁棒性，还为进一步的研究提供了理论和技术基础。

原文链接

https://ieeexplore.ieee.org/abstract/document/10759696/