1.綜述
通過一年多的積累與沉澱，現在對自己在室內定位導航領域三年多時間內的研究進行一種回溯式的回顧與總結，同時也給出自己對未來室內定位導航領域發展趨勢的觀察與思考，通過後期有機會開源自己最新的研究成果及代碼爲後來的從事室內定位導航的研究者提供一點參考，儘可能的讓後來居上者少走彎路避免浪費更多的時間，做出更大更好的成績，同時也希望凝聚更多的力量來推動室內定位導航領域有新的更大的突破。
2.思考
由於室外定位技術已經成熟，而室內定位技術還是有待開墾的處女地。觀察目前如火如荼的5G技術在未來可能會促進室內定位導航領域內的發展。先來談談目前我對室內定位導航的整體認識。室內定位導航最本質的需求是要做到準確穩定的定位出用戶的位置並實時的跟蹤用戶的軌跡。如何做到準確穩定呢？前提是要事先採集室內環境中大量的環境特徵信息或者採用其他的算法再進行定位。接下來說說採集環境特徵信息的這種方法，採集環境特徵信息就需要用到傳感器設備，採集到的環境特徵信息要放在哪裏呢？一般情況是放置在服務器端，但這麼大的數據量對服務器的數據存儲和計算能力提出了非常高的要求，有什麼辦法可以降低服務器的存儲和運算要求呢？這就需要將這些數據存儲在雲上，這麼大的數據量如何能夠精確及時的定位呢？這就需要引入人工智能快速的計算出用戶的位置。所以未來室內定位想要有突破性的發展需要藉助目前最火的5G＋物聯網＋雲計算＋人工智能。目前主流的研究有兩個大的方向有組合式定位導航和如何降低指紋數據庫的數據量，現在可以從微軟舉辦的世界級的室內定位賽事可以看出組合式的定位非常受歡迎並且定位精度也非常的高，並且國內的武漢大學室內定位團隊採用在該賽事中還取得了很不錯的成績，而他們所用的方法就是組合式定位，根據不同的算法策略根據在不同的環境中，不同用戶行爲的情況下采用不同定位方法，再說說我在三年中的研究中也採用的組合式定位 ，具體就是位置指紋定位方法+行人航跡推算的方法，不過的在這兩定位算法中的選擇策略上還未能望武大定位團隊的作品的項背。如果未來有自己的時間我會持續關注和研究不同定位算法中的策略選擇爭取能夠在這方面有所推進。在不久前我在各種定位羣中看到了有關智能尋優參數的算法，類似遺傳算法、魚羣算法等。這些算法目前只能在理論研究上發揮一定的作用，但在實際應用中可能還有很長的一段路要走。其實室內定位只是物聯網中中其中一個環節，一整套的流程應該包括物體的檢測、識別、定位以及跟蹤。在物體的檢測過程中，也是用室內定位內的術語描述就是在測量過程中一定會存在噪聲，如何降低噪聲也是提高定位的一種方式，降低噪聲一般採用濾波的方法，常見的濾波方法主要有均值濾波、方差濾波、高斯濾波以及卡爾曼濾波。自己的研究中採用了方差濾波，自己對其他的濾波也有一定的研究。定位算法常見的有NN、KNN、WKNN等傳統的算法，還有一些機器學習的算法，比如kmeans、SVM等，這裏強烈推薦一本書是南京大學的教授周志華老師寫的，名叫《機器學習》。在自己的研究中用卡方距離代替了傳統的歐式距離去度量兩個信號向量之間的差值，卡方距離呈現出了一定的優越性。在室內導航部分中主要的思路就是先用路徑算法再用導航算法最後結合地圖的信息來完成導航，常用的路徑算法有最短路徑算法Dijsktra算法等其他算法，導航算法通常有PDR算法，地圖信息通常採用Map Matching等。
3.下一步計劃
最後，如果有充裕的時間可能會開源自己的室內定位導航的代碼同時對自己寫的代碼配有詳細的解釋說明，也是一個分階段提升自己能力和幫助別人的過程。大體自己的代碼版本分三個階段：第一階段是不加動態地圖的室內定位的單客戶端模式，第二階段是帶有動態地圖的室內定位的客戶端/服務器模式，第三階段是帶有動態地圖的室內定位導航的客戶端/服務器的模式，每一個階段都有新的突破，新的知識點來帶領從事室內定位的小夥伴們入門，同時使自己的能力更上一層樓，敬請期待。