多源信息融合的定位技术：现状与未来发展趋势
多源信息融合的定位技术：现状与未来发展趋势
多源信息融合的定位技术是当前科技领域的研究热点之一，它通过整合多种传感器的数据，实现精准定位。本文将为您详细介绍这一技术的原理、现状及未来发展趋势。
多源信息融合的定位技术是指对多传感器提供的多类型数据进行处理，提取与目标位置有关的特征信息，并利用这些特征信息实现目标定位的技术。常用的特征信息包括到达时间、到达时间差、到达角及接收信号强度等。对这些特征信息建立相应的数学模型，再根据参数估计准则构建非线性估计问题，最后通过求解该非线性估计问题获得目标位置估计。目标定位的技术方向主要有：①精确性，定位精度通常为这一技术所考虑的首要目标；②鲁棒性，复杂传输环境下的测量值存在大量不确定因素，因此定位技术的鲁棒性也成为必须考虑的重要因素之一；③高速性，定位技术的计算复杂度以及工程易实现性是工程应用中的关键因素。
未来多源信息融合的定位技术有以下发展趋势：1）融合多类型传感器和多类型测量，解决异构异步异质多源信息融合难题。例如，毫米波系统能够提供高精度的测距和测向信息，使厘米级定位成为可能；图像信息与电磁波信息的结合将提供更丰富的信息，全面覆盖可见和不可见环境的定位需求。2）复杂场景下的多/群目标与弱目标定位。例如混合近远场多点目标、刚体/集群目标定位，以及深空、水下等弱探测目标精准定位等。3）数据驱动的智能定位技术。机器学习等理论方法的快速发展为复杂定位问题提供新的求解手段。
传统的目标定位技术主要应用于视距传播环境，研究重点在于复杂非线性定位问题的描述和精确求解。然而，复杂传输环境具有传输信道复杂、测量精度低、先验信息少等特点，使得传统视距定位技术无法满足定位需求。因此，复杂传输环境中的高精度目标定位问题成为长期以来的研究热点和难题。在这一背景下，一系列计算复杂度低的高精度鲁棒定位方法被提出并得到实际应用。具体来说，在测量手段上，新型传感器（如超宽带传感器、毫米波雷达、高精度视觉传感器）的应用提高了测量信息的精度，同时带来数据量剧增的难题；在问题描述上，针对动态非视距/超视距环境下先验信息少等特点，众多鲁棒定位方法被提出并得以应用，对计算性能提出更高要求；在求解手段上，凸优化方法得以广泛应用并大幅度提高了低信噪比下的定位性能，同时保持了较低的计算复杂度。机器学习等技术与方法的引入获得一些崭新的定位求解方法，但同时新方法的可信性和可解释性还有待加强。
近年来，毫米波雷达、超宽带传感器、蓝牙、图像处理等设备和技术的发展为定位技术的应用提供了新思路。毫米波系统所提供的高精度测距和测向信息在实现高精度目标定位的同时还能够实现环境建图；超宽带传感器与蓝牙5.1设备的结合为低成本室内定位系统提供了可能；而图像处理技术与电磁波定位技术的结合可以覆盖可见和不可见环境的定位。
“多源信息融合的定位技术”工程开发前沿核心专利公开情况见表2.1.1，核心专利2016—2021逐年公开情况见表2.1.2。
“多源信息融合的定位技术”的核心专利主要产出国家和机构分别见表2.2.5和表2.2.6。可以看出，中国核心专利公开量排名第一，占比达73.6%，且被引频次比例达55.01%，显示出中国在这一领域的引领地位。在核心专利公开量排名前十位的机构中，中国机构占4家，其中百度集团股份有限公司占比排名第一位，这也显示出中国机构在这一领域的引领作用。同时，核心专利产出机构主要集中在百度、谷歌等互联网公司以及通用、现代、福特等汽车公司，也凸显了定位技术在机器人、自动驾驶等应用中的关键作用。
从图2.2.5中可以看出，仅少数国家之间存在合作。而各机构之间不存在合作。这说明各国家及机构之间在这一领域的技术开发上相对独立。
未来5~10年，“多源信息融合的定位技术”工程开发前沿的发展路线如图2.2.6所示，主要包含以下几个方面。
（1）定位环境
1）毫米波定位。随着5G毫米波系统的逐渐商用，毫米波系统中的定位技术将逐步得到开发应用。并且，毫米波定位与北斗等卫星定位系统合作，可实现室内外无缝高精度定位，将为灾害救援、智能交通和物联网等应用提供保障。
2）水下目标定位。由于水下传输环境的特殊性，基于电磁波的定位技术无法在水下环境直接应用。因此，针对水下环境的目标定位技术将得到升级，这将对海洋安全和监测起到至关重要的作用。
（2）目标类型
目标类型上将实现点目标向刚体乃至集群目标定位的转变。自动驾驶、机器人等应用不仅需要目标位置信息，还需要方位信息，这需要将目标看作刚体，使得刚体目标定位成为未来的研究热点。在高精度雷达的支持下，未来5~10年内，刚体定位有望在自动驾驶、机器人等应用中得到普及。
（3）定位技术
随着机器学习算法的逐渐成熟及芯片运算能力的提升，复杂传输环境（如室内、水下等）的定位问题有望通过智能机器学习算法得以解决。这将革新现有定位技术，大大提升其应用价值。
（内容取自《全球工程前沿2022》）
王刚，博士、教授、博士生导师，国家自然科学基金优秀青年基金和浙江省杰出青年基金获得者。2006年7月获山东大学学士学位，2011年12月获西安电子科技大学博士学位，2012年1月加入宁波大学，2014年1月到4月在香港中文大学作短期访问，2018年6月到2019年6月在密苏里大学作访问学者。长期从事利用数学优化方法解决信号处理和通信中的关键问题的研究，特别是针对目标定位问题的研究。在本领域知名国际期刊和会议上发表论文70余篇，SCI检索论文50余篇，合计他引次数2500余次。作为项目负责人承担国家自然科学基金优秀青年基金项目、浙江省自然科学基金杰出青年基金项目、国家自然科学基金面上项目和青年基金项目等科研项目多项，研究成果获得2020年度浙江省自然科学奖二等奖（第1完成人）、2014年陕西省优秀博士学位论文等科研奖励。入选浙江省高等学校“院士结对培养青年英才计划”培养对象、浙江省中青年学科带头人培养对象等人才工程。现为IEEE信号处理学会（Signal Processing Society，SPS）传感器阵列与多信道（Sensor Array and Multichannel, SAM）信号处理技术委员会委员、IEEE Senior Member、中国通信学会高级会员、浙江省信号处理学会理事，担任或曾担任IEEE Transactions on Aerospace and Electronic Systems、Elsevier Signal Processing、Elsevier Digital Signal Processing等3个信号处理领域国际著名期刊的副编辑/处理编辑。
刘伟，博士，1991至1997年于北京大学读书, 获空间物理学学士学位, 知识产权法学士学位, 2000年获香港大学电子工程硕士学位, 2003年在英国南安普顿大学获得波束形成领域博士学位，2003至2005年先后在南安普顿大学和伦敦帝国理工学院从事阵列信号处理相关领域博士后研究. 2005年9月至今在英国谢菲尔德大学从事教学研究工作。刘伟博士主要研究领域为阵列信号处理及其在雷达, 声纳, 无线导航和通讯, 机器人和自主系统等领域的应用。2000年至今，发表国际期刊论文217篇，会议论文177篇，出版英文专著两部，5个章节（谷歌学术h指数42，总引用6500+；Scopus h指数36，总引用4900+；Web of Science h指数32，总引用3500+)。刘伟博士曾担任IEEE Trans. on Signal Processing、IEEE Access和Journal of the Franklin Institute编委（Associate Editor），并正在担任中国工程院院刊Frontiers of Information Technology & Electronic Engineering 执行副主编。刘伟博士还曾是或正在担任相关学术组织的成员或负责人，包括国际电气与电子工程师协会数字信号处理技术委员会（IEEE Digital Signal Processing Technical Committee）的秘书（2020-2022）和主席（2022-2024），传感器阵列与多通道信号处理技术委员会（IEEE Sensor Array and Multichannel Signal Processing Technical Committee）的副主席（2019-2020）和主席（2021-2022）。刘伟博士于2022年底获选为2023-2024国际电气与电子工程师协会杰出讲师（IEEE Distinguished Lecturer of the Aerospace and Electronic Systems Society）。