室內定位技術是工業(yè)部門數(shù)字化轉型的驅動力之一。準確而廉價地追蹤物體、資產(chǎn)和人的能力可以為從物流到醫(yī)療保健等各個領域的公司節(jié)省資源、時間和金錢。

Xavier Vilajosana是西班牙加泰羅尼亞奧貝塔大學計算機科學、多媒體和電信學院的教授，也是加泰羅尼亞大學互聯(lián)網(wǎng)跨學科研究所（IN3）無線網(wǎng)絡小組（WINE）的負責人，他正在協(xié)調該大學參與一個新的歐洲項目，該項目正在開發(fā)改善室內環(huán)境定位的創(chuàng)新解決方案。

DUNE使用深度學習技術與分布式計算系統(tǒng)相結合，利用了云計算和邊緣計算的優(yōu)勢。換句話說，這些計算架構既可以在遠程服務器上運行，也可以在產(chǎn)生數(shù)據(jù)的地方附近運行。其目的是創(chuàng)建一個多功能的系統(tǒng)，使用各種可用的技術，并能適應不同的潛在使用情況。

Xavier Vilajosana解釋說："今天有許多技術方法試圖利用無線電信號的特性作為獲得物體之間相對位置的工具。這種技術的多樣性和它們可以使用的廣泛情況，以及高度多樣化的預算和應用環(huán)境，意味著我們需要開發(fā)一個強大的框架來實時管理來自不同技術的位置數(shù)據(jù)，同時能夠適應多種工業(yè)需求，并在經(jīng)濟上具有吸引力?！?/p>

使用深度學習技術的輔助定位

室內資產(chǎn)定位利用接收設備的視角來推斷物體發(fā)出的信號來自哪個方向，然后將這些信息轉化為對其位置的估計。這項技術的主要挑戰(zhàn)之一是信號發(fā)射器和接收器之間的障礙物（特別是在工業(yè)環(huán)境中）以及多徑傳播所產(chǎn)生的巨大誤差。多徑傳播是導致無線電信號在不同時間通過兩條或多條路徑到達接收天線的現(xiàn)象。

為此，信號處理是必不可少的--否則就會出現(xiàn)模糊不清的情況，導致物體位置的錯誤。面對這一挑戰(zhàn)，DUNE在定位過程的各個階段納入了由深度學習技術輔助的定位機制，以實現(xiàn)最佳性能。深度學習涉及一種機器學習算法，它可以被訓練為從輸入中學習，然后這些知識可以被用來根據(jù)新的信息得出結論。"數(shù)據(jù)使用不同的方法進行處理，如深度學習方法，它被訓練來選擇最能定位被追蹤物體的位置估計。"Vilajosana解釋說。

分布式計算策略

該項目還將利用不同的計算架構，從云到邊緣和遠端計算。換句話說，為了減少云計算過程，計算將分布在更接近數(shù)據(jù)源的各個節(jié)點上，從而減少服務器的響應時間和帶寬，同時提高數(shù)據(jù)的安全性，而不是采用集中式戰(zhàn)略。

該系統(tǒng)是完全分布式的，由放置在要定位的物體上的各種傳感器和定位技術組成。這些設備產(chǎn)生原始數(shù)據(jù)的痕跡，必須進行處理以獲得其估計的個別位置。最初的數(shù)據(jù)處理是在 "遠端 "進行的，也就是在發(fā)射信號的天線附近。

數(shù)據(jù)實時更新

定位器的天線陣列收到了來自被追蹤物體或人員的傳感器的無線電信號。這些數(shù)據(jù)必須進行轉換，以估計確定信號方向的角度并提供實時更新。 Vilajosana強調說："在一個完美的世界里，這種轉換是一個幾何過程，取決于天線之間的空間（距離）和無線電頻率（波長）。然而，這些環(huán)境會受到噪音和不規(guī)則因素的影響。"

他繼續(xù)說："在解決這些問題時。深度學習方法可以成為一個非常有價值的工具，以獲得對物體位置的準確估計。"

使用其他 "邊緣 "設備進行實時數(shù)據(jù)處理和匯總，以提高系統(tǒng)的性能。另一個過濾步驟在此時加入，以改善信號轉換，并能夠納入不同的技術，在其他方法中使用深度學習。

云中的基礎設施

估算的位置從這些邊緣設備實時傳遞到云端基礎設施，該基礎設施與工廠或物流倉庫的信息系統(tǒng)相連，工作正在進行中。在云中，先進的人工智能方法可用于糾正、改進、分類、檢測異常情況和優(yōu)化操作。

這個云基礎設施處理對象的顯示和跟蹤，并將這些信息與其他子系統(tǒng)（如工廠或倉庫的庫存）連接并相互關聯(lián)。

大規(guī)模的測試臺

這一技術方案將在整個項目中得到評估，該項目將在不同的場景中持續(xù)12個月，其結果將與目前其他技術解決方案進行比較。首先，測試將在研究小組自己的實驗室進行，隨后，大規(guī)模的測試將在一個專門為這種類型的實驗設計的建筑物中進行，該建筑物的面積為1000平方米，可以對不同的技術進行評估。