基于北斗信標輔助的ＰＤＲ 狹長空間定位方法

摘 要：針對在狹長空間下傳統的行人航跡推算（Ｐｅｄｅｓｔｒｉａｎ Ｄｅａｄ Ｒｅｃｋｏｎｉｎｇ，ＰＤＲ）方法易受傳感器擾動與環境干擾，導致傳感器數據存在誤差累積無法實現行人位置精確估計的問題，結合室內走廊狹長空間典型場景下北斗偽衛星（Ｐｓｅｕｄｏｓａｔｅｌｌｉｔｅ，ＰＬ）的信號特征，提出了一種基于北斗信標輔助的ＰＤＲ 狹長空間定位方法。通過提取空間下確定性位置ＰＬ 觀測量數據特征，建立了數據特征與空間位置的指紋位置對應關系。設計了一種北斗ＰＬ 與ＰＤＲ 組合的拐點檢測方法。以北斗信標節點為基礎，結合ＰＤＲ 適用范圍大與應用性強的特性，將方向信息組合到卡爾曼濾波算法中完成設計。通過實測驗證，與ＰＤＲ 定位方法相比，在室內狹長空間情況下組合系統的均方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒ-ｒｏｒ，ＲＭＳＥ）定位精度提高了５４％ 。

關鍵詞：狹長空間；北斗偽衛星；行人航跡推算；卡爾曼濾波；室內信標

中圖分類號：ＴＮ２２８． １ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１１４（２０２４）０６－１２４４－０７

０ 引言

現有的全球導航衛星系統能夠為室外用戶提供有效高精度的位置服務，但在相對封閉的室內環境下，大眾用戶難以利用已有終端實現有效的位置服務［１］。調查表明，人們日常在室內活動的時間占比較大，對室內定位的需求日益增加。

狹長空間作為室內空間典型的一類場景，是難以解決定位的一類場景。無線信號傳播通常受空間強反射和環境噪聲疊加的影響，導致在狹長空間難以實現有效的位置估計。目前常見的室內定位技術有無線連接（Ｗｉｒｅｌｅｓｓ-Ｆｉｄｅｌｉｔｙ，ＷｉＦｉ）［２］、超寬帶（Ｕｌｔｒａ-ｗｉｄｅｂａｎｄ，ＵＷＢ）［３］、藍牙（Ｂｌｕｅｔｏｏｔｈ，ＢＬＥ）［４］以及射頻識別（ＲＦＩＤ）［５］等，但受定位精度和適用場景等方面的約束，傳統、單一的定位手段很難在大眾應用中得到推廣。文獻［６］使用平滑算法融合ＷｉＦｉ、行人航跡推算（Ｐｅｄｅｓｔｒｉａｎ Ｄｅａｄ Ｒｅｃｋｏｎｉｎｇ，ＰＤＲ）和地圖匹配提高定位精度。文獻［７］提出連續臨近校正與基于擴展卡爾曼濾波器（Ｅｘｔｅｎｄｅｄｋａｌｍａｎ Ｆｉｌｔｅｒ，ＥＫＦ）的自適應抗差算法融合ＰＤＲ 與ＢＬＥ，限制ＰＤＲ 累積誤差和ＢＬＥ 定位粗差的效果，提高融合定位精度和穩健性。文獻［８］分別發揮了ＵＷＢ 與ＰＤＲ 技術的優勢，并采用卡爾曼濾波算法進行融合，實現多技術融合的室內高精度定位。可見，以多種室內定位技術的優點進行融合是當前研究的主流。基于現有已經集合多種環境感知傳感器的智能手機，眾多科研學者利用ＰＤＲ 定位算法，一定程度上解決了室內場景下的定位問題。但在狹長空間下智能手機易受機電設備產生的電磁干擾，且在長時間維度下受自身傳感器功能的限制，導致難以長周期保持高精度的定位服務。北斗偽衛星（Ｐｓｅｕｄｏｓａｔｅｌｌｉｔｅ，ＰＬ）可以結合量測數據特征提供準確的絕對位置，通過融合一定程度上可以消除長周期累計誤差的影響。由此研究以北斗ＰＬ［９］輔助的ＰＤＲ 融合定位方法對于大眾用戶的室內位置服務應用具有重要意義。

本文結合行人在走廊狹長空間運動的典型場景，針對上述ＰＤＲ 長時間維度下易受到干擾導致的位置偏差問題，利用北斗ＰＬ 載波相位與信噪比量測信息特征和位置穩定的對應關系，探討基于北斗ＰＬ 信標點位修正的ＰＤＲ 融合定位過程，并設計了以卡爾曼為基礎的組合定位方法。

１ 算法原理

ＰＤＲ［１０］利用集成了加速度傳感器、角速度傳感器等多種傳感器的智能手機終端，根據所測得的行人數據計算步長與航向實現對目標位置的推算，其定位原理為：

２ 信標輔助的ＰＤＲ 定位方法

２． １ 室內北斗信標構建

信標位置節點［１４］是一種可以提供準確絕對位置的節點式區域。通過在行人確定性通過位置設置信標節點的方式實現信號觀測量與空間位置的對應關系。

在不同歷元下對信標位置節點采集多組室內信標位置的北斗ＰＬ 數據觀測量以生成數據庫［１５］。為便于分析，將二維的特征參考點用［Ｐｌｂｒｅｆ１ ，Ｐｌｂｒｅｆ２ ，…，ＰｌｂｒｅｆＮ ］表示，Ｎ 表示參考點的個數。每個參考點接收的數據包括載噪比、陣元間載波相位差值。設定第ｌ 個參考點的特征數據集為［ＲａｗＤａｔ１ｌ，ＲａｗＤａｔ２ｌ，…，ＲａｗＤａｔｖｌ］，ｖ 表示采集的次數，則室內信標節點特征圖譜庫如表１ 所示。

根據ＷＫＮＮ 算法［１６］實現信標節點位置的獲取，具體為：

式中：ＲａｗＤａｔｖｌ為室內信標節點的觀測量特征數組，ＲａｗＤａｔｔ 為待測點信號特征，Ｄｉ 為二者的歐氏距離，ｉ 表示個數，之后利用式（１１）和式（１２）進行權值計算。

式中：Ｐｉ 為第ｉ 個點計算的權重，（ｘｊ，ｙｊ）為大權重的位置點，（Ｘ，Ｙ）為信標節點的二維位置。

２． ２ 融合卡爾曼的北斗信標／ ＰＤＲ 組合定位方法

狹長空間下的定位過程可以理解為一維空間的位置獲取過程。結合上節構建的室內北斗信標節點，設計北斗信標與手機傳感器［１７－１８］結合的卡爾曼濾波定位方法。同時針對狹長空間普遍存在的拐角場景，利用傳感器與北斗信標信息實現拐點的有效判斷，具體流程如下。

（１）初始化過程

利用手機接收來自北斗ＰＬ 區域下間距為１ ｍ的兩點一段時間的載噪比與載波相位差數據，并計算２ 個參考點觀測量差值的平均值ｄｉｆｆ＿ａｖｇ，將此差值作為拐點臨近判別的閾值。

利用式（１３）計算各運動狀態下前ｎ１ 次最大角速度的平均值ＴＨ，ｎ１ 為４０，Ｄａｔｔ 為角速度數據，利用式（１４）計算在每個運動狀態下多次測試的最大角速度的平均值ＴＳｍｖａｖｇ 作為閾值，ｍｖ 表示運動狀態，ｎ２ 為１０。

（２）位置推算過程

建立狀態方程和觀測方程。狀態方程為：

讀取此時Ｘ＾ ｔ中的航向信息，結合推算的步長，利用式（２２）實現位置的更新與傳遞，即：

（Ｘ，Ｙ）＝ （ｘｔ ＋ＳＬｓｉｎ（Ｏｒｉｔ），ｙｔ ＋ＳＬｃｏｓ（Ｏｒｉｔ））。（２２）

（３）拐點檢測過程

在運動過程中對拐點判斷，對加速度數據與角速度數據進行預處理，利用自適應峰值檢測［１９］判斷行人的運動狀態，之后判斷當前的合角速度數值｜Ａｎｖ｜ ｔ，若｜Ａｎｖ｜ ｔ≥ＴＳｍｖａｖｇ，進行ＰＬ 閾值判定，若Ｄｉ≤ｄｉｆｆ＿ａｖｇ，則視為通過拐點。否則，判定為非拐點進行ＰＤＲ 定位。

利用上述過程實現對拐點的檢測。當檢測到拐點時，北斗ＰＬ 節點會對當前位置進行糾正，即：

（Ｘ，Ｙ）＝ （ＰＬｇｘ，ＰＬｇｙ）， （２３）

式中：ＰＬｇ 表示第ｇ 個位置處的信標節點位置，在當前場景下有４ 個拐點。

（４）位置遞推過程

利用式（２４）對Ｐｔ 進行更新，繼續循環輸出下一時刻Ｘ ＾ ｔ中的航向信息，用于對行人位置的更新：

Ｐｔ ＝（Ｉ－Ｋｔ Ｈ）Ｐｔ。（２４）

組合定位系統結構示意如圖１ 所示。

３ 實測分析

３． １ 測試場景

本文實驗以典型的環形走廊空間為測試場景，選定的實驗測試場景在長２７ ｍ、寬２４ ｍ 的環形走廊空間內進行，如圖２ 所示在走廊的拐角處設置了４ 組信標節點，其中藍色橢圓區域為信標節點標定區域，信標節點區域長３ ｍ、寬０． ３ ｍ，分別按６０ ｃｍ與１００ ｃｍ 間隔設置了兩列，共部署了８ 個參考點。對其中一處藍色區域進行拐點檢測，行人由多種運動狀態從走廊２ 中部通過拐點運動到走廊３ 中部，同時對每種運動狀態各采集２０ 組數據，１０ 組用作生成閾值，１０ 組用作拐點驗證。設定初始位置的坐標為Ｐ１（０，０），行人以正常運動狀態進行實驗。測試場景如圖３ 所示，本次測試環境分為４ 組走廊，使用的測試設備為小米１０Ｓ 手機，測試人員利用手機由標號１ 場景按順序運動到標號４ 場景。在二維平面上只需對ｘ 和ｙ 橫向、縱向完成位置估計，手機對ＰＬ 數據的采集頻率為１ Ｈｚ，對手機傳感器的采集頻率為１００ Ｈｚ。

３． ２ 實驗結果

３． ２． １ 北斗信標定位結果

為了驗證北斗ＰＬ 信標的定位性能，需要對指紋定位結果有效性進行分析，對當前位置進行測試驗證。信標定位精度及誤差結果如圖４ 所示。圓形標記為真實點位置，叉形標記為測試參考點位置，測量參考點位置圍繞在真實位置周圍，這里ｒ 設置為３，參考點１ 的Ｘ 方向誤差在０． ０６ ｍ 以內，Ｙ 方向誤差在０． １６ ｍ 以內，參考點２ 的Ｘ 方向誤差在０． ０６ ｍ 以內，Ｙ 方向誤差在０． ２１ ｍ 以內，２ 個位置點在當前信標區域下進行有效精度匹配的指紋定位結果均方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ，ＲＭＳＥ）分別為０． ２６ ｍ和０． ２５ ｍ，滿足本次實驗條件下的定位點精度需求。

３． ２． ２ 多運動狀態拐點檢測結果

本文結合行人多運動狀態，從慢速加靜止狀態、慢速行走狀態、正常行走狀態和快速行走狀態４ 種運動方式對拐點通過判定進行分析，如圖５ 所示。圖５（ａ）為４ 種運動狀態的加速度波形，圖５（ｂ）為４ 種運動狀態下的角速度波形。圖５ 中橫向的紅色線段為設定的閾值，紅色圓圈為拐點檢測結果，通過設定角速度閾值的方法在一定程度上滿足拐點判定的需要。

為了驗證北斗ＰＬ 與ＰＤＲ 組合的拐點檢測方法，進行１０ 次實驗，如表２ 所示。利用ＰＤＲ 與北斗信標組合檢測拐點的方式效果明顯好于僅利用ＰＤＲ 的檢測效果，其中，在快速狀態下僅ＰＤＲ 檢測率為１００％ ，其余３ 種運動狀態的判斷效果都有所提升。通過組合檢測拐點的方法可以在一定程度上提高多種運動狀態下的拐點檢測效率，能夠滿足行人在狹長多拐點空間下的定位需求。

３． ２． ３ 組合系統定位結果

ＰＤＲ 的定位軌跡存在步數估計錯誤導致的位置偏移，組合定位方法可以對偏移位置進行矯正，如圖６ 中放大部分所示。針對狹長空間下的典型環形空間，對每個過程的空間定位結果進行算法比對分析，如表３ 所示。在圖６ 所示的過程１ 中，對兩種方法的４ 組誤差判定標準進行了分析，ＰＤＲ 方法與組合方法的最大誤差、最小誤差、平均誤差和ＲＭＳＥ 分別為０． ６８、０、０． ３５、０． ４１ ｍ，經卡爾曼濾波后的方向角在短周期內誤差較小。隨著時間推移，過程２、過程３ 和過程４ 的誤差都逐漸增大，在這３ 個過程中組合方法的ＲＭＳＥ 分別為０． ８４、１． ８７、１． １２ ｍ，要小于ＰＤＲ 方法的１． ６３、３． １４、３． ８１ ｍ，利用北斗ＰＬ 構建的北斗信標節點能夠有效減小定位誤差。對整體特征位置信息對比分析，組合方法平均定位誤差０． ９７ ｍ 小于ＰＤＲ 平均定位誤差２． １５ ｍ，組合定位方法在一定程度上可以避免誤差累積。

定位精度概率分布如圖７ 所示，對ＰＤＲ 與組合定位方法的定位結果進行分析，可以看出，ＰＤＲ 的定位結果誤差在１ ｍ 內的概率為２７％ ，加入北斗ＰＬ后的定位結果誤差在１ ｍ 內的概率約為６９％ 。結合兩圖分析，在測試開始時兩種定位手段的定位結果近似，隨著時間的推移組合定位系統的整體效果要高于ＰＤＲ 的定位效果，定位結果分析如表４ 所示，組合定位方法的ＲＭＳＥ 定位精度為１． １７ ｍ，較ＰＤＲ 的ＲＭＳＥ 定位精度提升了５４％ 。

４ 結束語

針對在室內狹長空間下ＰＤＲ 定位手段易受到長時間維度上定位結果擾動造成位置點偏移的問題，根據北斗ＰＬ 載噪比與載波相位差觀測量，構建了指紋數據庫作為北斗信標位置節點，之后結合手機傳感器與北斗信標位置節點設計了行人多運動狀態的拐點檢測方法，最后利用ＰＤＲ 算法可以進行連續推算定位的優勢，提出了一種北斗ＰＬ 輔助ＰＤＲ定位的組合定位方法。在狹長空間情況下，組合系統的ＲＭＳＥ 定位誤差為１． １７ ｍ 的精度，較ＰＤＲ 定位方法提高了５４％ 定位精度。經過北斗ＰＬ 輔助后的ＰＤＲ 定位結果可以滿足在較長時間條件下的使用需求。當前對北斗ＰＬ 與ＰＤＲ 只進行了初步的融合，尚未考慮到行人持有終端的多種方式對定位結果的影響。在下一步工作中，計劃探究智能終端在多種持有方式下的數據特征，結合北斗ＰＬ 的多種觀測量類型，實現高精度智能終端持有模式識別算法。

參考文獻

［１］ ＹＡＮＧ Ｃ Ｃ，ＳＨＡＯ Ｈ Ｒ． ＷｉＦｉｂａｓｅｄ Ｉｎｄｏｏｒ Ｐｏｓｉｔｉｏｎｉｎｇ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２０１５，５３ （３ ）：１５０－１５７．

［２］ ＡＮＧＥＬＩＳ Ｇ Ｄ，ＭＯＳＣＨＩＴＴＡ Ａ，ＣＡＲＢＯＮＥ Ｐ． ＰｏｓｉｔｉｏｎｉｎｇＴｅｃｈｎｉｑｕｅｓ ｉｎ Ｉｎｄｏｏｒ Ｅｎｖｉｒｏｎｍｅｎｔｓ Ｂａｓｅｄ ｏｎ ＳｔｏｃｈａｓｔｉｃＭｏｄｅｌｉｎｇ ｏｆ ＵＷＢ Ｒｏｕｎｄｔｒｉｐｔｉｍｅ Ｍｅａｓｕｒｅｍｅｎｔｓ ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍｓ，２０１６，１７（８）：２２７２－２２８１．

［３］ ＧＡＢＲＩＥＬ Ｄ Ｂ，ＡＬＥＸＩＳ Ｑ Ａ，ＣＡＲＭＥＬＯ Ｇ，ｅｔ ａｌ． Ｓｔｕｄｙｏｎ ａｎ Ｉｎｄｏｏｒ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ ｆｏｒ Ｈａｒｓｈ ＥｎｖｉｒｏｎｍｅｎｔｓＢａｓｅｄ ｏｎ ＷｉＦｉ ａｎｄ Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ［Ｊ］． Ｓｅｎｓｏｒｓ，２０１７，１７（６）：１２９９．

［４］ ＸＵ Ｈ，ＤＩＮＧ Ｙ，ＬＩ Ｐ，ｅｔ ａｌ． Ａｎ ＲＦＩＤ Ｉｎｄｏｏｒ ＰｏｓｉｔｉｏｎｉｎｇＡｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｂａｙｅｓｉａｎ Ｐｒｏｂａｂｉｌｉｔｙ ａｎｄ ＫＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ［Ｊ］． Ｓｅｎｓｏｒｓ，２０１７，１７（８）：１８０６．

［５］ ＷＡＮＧ Ｊ Ｌ． Ｐｓｅｕｄｏｌｉｔｅ Ａｐｐｌｉｃａｔｉｏｎｓ ｉｎ Ｐｏｓｉｔｉｏｎｉｎｇ ａｎｄＮａｖｉｇａｔｉｏｎ：Ｐｒｏｇｒｅｓｓ ａｎｄ Ｐｒｏｂｌｅｍｓ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍｓ，２００２，１（１）：４８－５６．

［６］ ＦＥＴＺＥＲ Ｔ，ＥＢＮＥＲ Ｆ，ＤＥＩＮＺＥＲ Ｆ，ｅｔ ａｌ． Ｏｎ ＭｏｎｔｅＣａｒｌｏ Ｓｍｏｏｔｈｉｎｇ ｉｎ Ｍｕｌｔｉ Ｓｅｎｓｏｒ Ｉｎｄｏｏｒ Ｌｏｃａｌｉｚａｔｉｏｎ［Ｃ］∥２０１６ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｄｏｏｒ Ｐｏｓｉｔｉｏｎｉｎｇ ａｎｄＩｎｄｏｏｒ Ｎａｖｉｇａｔｉｏｎ （ＩＰＩＮ）． Ａｌｃａｌａ ｄｅ Ｈｅｎａｒｅｓ：ＩＥＥＥ，２０１６：１－８．

［７］ 徐浩，吳雪，李春光，等． ＰＤＲ＋ＢＬＥ 融合的室內實時定位方法［Ｊ］． 測繪通報，２０２３（９）：５２－５８．

［８］ 李景文，韋晶閃，周俊芬，等． 融合ＵＷＢ＋ＰＤＲ 的室內定位方法改進［Ｊ］． 測繪通報，２０２２（３）：３６－４０．

［９］ 黃璐，蔚保國，李宏生，等． ＧＮＳＳ 拒止環境下的偽衛星指紋定位方法［Ｊ］． 電子學報，２０２２，５０（４）：８１１－８２２．

［１０］李景文，韋晶閃，陸妍玲，等． 激光雷達和行人航跡推算融合的室內目標定位方法［Ｊ］． 科學技術與工程，２０２２，２２（２５）：１１０６８－１１０７４．

［１１］ＧＡＬＬＡＧＨＥＲ Ｔ，ＷＩＳＥ Ｅ，ＬＩ Ｂ Ｈ，ｅｔ ａｌ． ＩｎｄｏｏｒＰｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ Ｓｅｎｓｏｒ Ｆｕｓｉｏｎ ｆｏｒ ｔｈｅ Ｂｌｉｎｄａｎｄ Ｖｉｓｕａｌｌｙ Ｉｍｐａｉｒｅｄ［Ｃ］∥２０１２ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｉｎｄｏｏｒ Ｐｏｓｉｔｉｏｎｉｎｇ ａｎｄ Ｉｎｄｏｏｒ Ｎａｖｉｇａｔｉｏｎ（ＩＰＩＮ）． Ｓｙｄｎｅｙ：ＩＥＥＥ，２０１２：１－９．

［１２］陳銳志，郭光毅，葉鋒，等． 智能手機音頻信號與ＭＥＭＳ傳感器的緊耦合室內定位方法［Ｊ］． 測繪學報，２０２１，５０（２）：１４３－１５２．

［１３］ＬＵ Ｊ Ｚ，ＣＨＥＮ Ｋ Ｃ，ＬＩ Ｂ Ｇ，ｅｔ ａｌ． Ｈｙｂｒｉｄ ＮａｖｉｇａｔｉｏｎＭｅｔｈｏｄ ｏｆ ＩＮＳ／ ＰＤＲ Ｂａｓｅｄ ｏｎ Ａｃｔｉｏｎ Ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｓｅｎｓｏｒｓ Ｊｏｕｒｎａｌ，２０１８，１８（２０）：８５４１－８５４８．

［１４］張衡，蔚保國，潘樹國． 一種信標輔助的北斗偽衛星ＣＰＤ 定位方法［Ｊ／ ＯＬ］． 西安電子科技大學學報，１－１１［２０２４－０１－３０］． ｈｔｔｐｓ：∥ｄｏｉ． ｏｒｇ／１０． １９６６５ ／ ｊ． ｉｓｓｎ１００１－２４００． ２０２３０４０９．

［１５］吳雅琴，楊碩，師蘭蘭． 基于位置指紋與ＰＤＲ 融合的室內定位算法研究［Ｊ］． 礦業科學學報，２０１９，４ （５）：４４８－４５４．

［１６］張夢丹，盧光躍，王宏剛，等． 基于指紋算法的無線室內定位技術［Ｊ］． 電信科學，２０１６，３２（１０）：７７－８６．

［１７］關滄海，王明亮，趙忠海． 基于卡爾曼濾波的Ｗｉ-Ｆｉ／ＰＤＲ 融合室內定位方法研究［Ｊ］． 測繪與空間地理信息，２０２３，４６（增刊１）：２６２－２６５．

［１８］林東方，宋迎春，肖琴琴，等． 附有地圖信息約束的ＧＰＳ／ ＤＲ 組合導航系統Ｋａｌｍａｎ 濾波算法［Ｊ］． 大地測量與地球動力學，２０１２，３２（１）：１３２－１３５．

［１９］劉宇，李汪潤，陳燕蘋． 基于自適應峰值檢測的ＰＤＲ 算法研究［Ｊ］． 電子測量技術，２０２３，４６（１７）：３７－４２．

作者簡介：

王君綱 男，（１９９８—），碩士研究生。主要研究方向：室內定位。

易卿武 男，（１９７５—），碩士，研究員級高級工程師。

張光華 男，（１９７９—），博士，教授。主要研究方向：網絡與信息安全。

（*通信作者）蔡明偉 男，（１９８０—），碩士，實驗師。主要研究方向：電子技術。

張 衡 男，（１９８８—），博士，工程師。

黃 璐 男，（１９９１—），博士，工程師。

基金項目：國家重點研發計劃（２０２１ＹＦＢ３９００８００，２０２１ＹＦＢ３９００８０１，２０２１ＹＦＢ３９００８０２）