文摘在室内定位服务中,WiFi指纹技术因其覆盖面积广、定位精度高而受到人们的广泛关注.然而,对于在线阶段的位置查询,用户的个人敏感信息容易受到恶意攻击而造成位置隐私泄露.现有基于WiFi指纹的室内定位技术仅考虑室内单一空旷平面,这使得WiFi部署的灵活性受到限制.而当WiFi部署在多维场景时,空间位置隐私问题亟待解决.提出了一种基于地理不可区分性的WiFi指纹室内定位隐私保护方案,用户利用自身接收信号强度生成一个新的接收信号强度向量,并通过加噪混淆将得到的数据发送给位置服务提供商,同时引入数字签名技术,在混淆位置被发送给位置服务提供商实现定位之前确保客户端身份不被伪造.基于模拟实验平台的实验结果表明,该方案支持WiFi的灵活部署,能够在保护位置隐私的同时,首次实现12个WiFi接入点灵活部署情况下的高精度定位,保证定位误差小于1 m.
文摘为降低室内定位指纹数据库构建的复杂度并提高定位精度,提出了一种5G超密集网络下的基于矩阵补全的室内指纹定位算法。在离线数据库构建阶段,算法首先采用K近邻(K-Nearest Neighbor,KNN)插值法对部分指纹库进行矩阵补全,构建完整的数据库;其次,采用稀疏自编码器提取指纹库的稀疏特征,对高维接收信号强度指示(Received Signal Strength Indication,RSSI)信号进行降维处理。在在线指纹匹配阶段,使用加权KNN算法估算出待定位点坐标。经过实验仿真分析,算法重构指纹数据库的平均相对误差为0.31%;与传统KNN指纹匹配算法相比,平均误差降低了24.41%。
