信息科学与工程学院举办“基于RFID位置智能感知”学术沙龙活动

为拓宽全院教师学术视野，促进跨领域技术交流与合作，信息学院于2025年9月24日下午在学院会议室成功举办主题为“基于RFID位置智能感知（TomoID: A Scalable Approach to Device Free Indoor Localization via RFID Tomography）”的学术沙龙活动，由黄启国博士主讲。全院教师参加了此次沙龙，共同聚焦室内定位技术领域的创新成果与发展趋势。

本次学术沙龙围绕美国密歇根大学Yang-Hsi Sa、Jingliang Ren、Zi Qian、David Fouhey及Alanson Sample提出的TomoID技术展开深度研讨。该技术作为一种基于RFID层析扫描的无设备室内定位方法，打破了传统室内定位需依赖用户携带定位硬件或智能手机的局限，为多场景下的精准定位提供了全新解决方案。

沙龙中，首先系统介绍了室内定位技术的研究背景与研究动机。有效的室内定位手段能够助力用户探索室内环境、获取与周围环境相关的情境感知信息，使生活空间能够响应和适应用户的需求。在室内导航、辅助生活、医疗健康提升及居家活动检测等领域具有重要应用意义。然而，传统室内定位系统通常要求用户佩戴设备（如智能手机、手环、标签等），这在很多实际场景下并不现实。例如：用户可能未携带设备；或者某些人群（如老人、儿童、访客）无法或不愿佩戴设备；同时现有的无设备定位方法环境适应性差以及部署复杂等等限制。因此，构建一个低成本、易部署、适应复杂环境的无设备定位系统是当前行业的迫切需要。

随后，重点讲解了作者提出TomoID方法的实现流程。第一步，环境部署以及数据采集；第二步，基于收集的数据，通过使用线性模型生成射频层析成像图；第三步，基于U-net框架的卷积神经网络算法生成概率图；最后使用Python scipy包中的ndimage.label函数对Blobs进行标记，并找到峰值高于阈值的Blobs，通过计算这些Blobs的加权平均提取目标位置，从而实现室内无设备精确定位。

为了验证TOMOID方法的有效性，作者做了三种类型的实验，第一种是单用户定位实验，通过实验表明单用户定位平均误差是17.1cm；第二种是多用户定位实验，实验2个用户定位平均误差是39.6cm，3到5个用户平均误差分别是72.2cm、72.1 cm、70.1 cm；第三种是对设备易部署性做了实验，通过不断改变天线的位置实验，验证使用该方法的设备是否易于部署。通过实验表明了作者提出的TOMOID方法定位性能优异、易部署并且训练的神经网络模型鲁棒性高，满足多数室内无设备高精度定位应用需求。

沙龙交流环节，全院教师围绕TomoID技术的实际应用场景、潜在优化方向及与教学科研工作的结合点展开热烈讨论。部分教师提出可探索该技术在智慧校园建设、学生行为分析等领域的应用可能，也有教师建议将技术原理融入相关课程教学，帮助学生了解前沿技术动态。

此次学术沙龙的成功举办，不仅为全院教师提供了接触室内定位领域前沿技术的平台，也为后续跨系室、跨领域的学术合作与教学创新奠定了基础。未来，信息学院将持续开展各类学术交流活动，推动教师科研学术能力提升与学院学科建设高质量发展。