网络导航(Networked Navigation)是当前无线网络应用研究的热点和难点之一。随着无线传感器网络、无线局域网络等网络基础设施的广泛部署,以及配置各类感知单元的智能移动设备的快速普及,导航服务逐渐从室外卫星导航延伸至各类动态场景的“最后一英里”,例如灾难救援、资产管理、战场集结和商务导引。当前,研究人员对室内定位和射频追踪技术开展了大量富有创见的工作,然而这些工作过度依赖领域知识(信标节点位置、信号强度-距离模型、室内平面图、射频指纹等),严重降低导航系统实时性、可靠性和可扩展性。论文针对四个影响网络导航方法性能的主要因素(链路状态动态性、应急区域动态性、人群行为动态性和路图生成动态性),深入研究无线传感器网和无线局域网两类环境下基于动态性感知的网络导航方法。根据动态性感知的目的,论文展开四个方面的研究:网络数据分发可靠性、生成路径可达性、移动人群可识别性、导航路图可扩展性,具体内容简要描述如下:首先,针对网络链路动态性,论文突破链路独立性假设约束,提出基于协同确认的轻量数据分发协议。通过Telosb无线传感器网络实验,发现多个相邻链路在接收同一分组时存在显著的链路相关性特征。基于该实验观察,设计一个包含挂起、等待、发送和接收状态的有限状态机模型,用于调度传感器节点的感知、计算和通信资源。通过对发送节点与其多个邻居接收节点形成的相关链路的接收确认概率的联合估计,论文提出的数据分发协议降低整个网络中数据分发的冗余重传和覆盖时延,同时提高数据分发可靠性。其次,针对应急区域动态性,论文提出一个基于路径可达性度量的移动振荡缓解方法。已有工作大多关注应急区域对导航路径的瞬时影响,并采用被动响应方式重新计算路径,但这类方法缺乏对应急区域动态性的主动估计,导航用户在局部来回移动,造成振荡移动。论文提出将应急区域时空动态特征感知转化为网络局部拓扑变化感知,提出一个基于虚拟三角构造的路径可达性度量模型。基于该模型,论文设计并实现一个基于路径可达性度量模型的无线传感器网络导航协议,该协议有效提高全局导航成功率。再次,针对人群移动行为的动态性,将网络导航环境从无线传感器网络扩展到部署更为广泛的无线局域网,考虑个体移动行为与最近邻群体的识别问题,从而为有效的人群协同导航提供决策依据。论文提出一个基于加速计采样统计的个体行为分类模型,并应用该模型实现人群的移动行为判别。基于论文提出的多行为学习模型,导航系统可依次识别不同移动行为(例如静止、步行、跑步等);然后将群体移动性的判别问题转化为个体的近邻发现问题,利用低功耗传感器完成移动用户的位置感知,通过对个体行为相似度、背景相似度和时空相似的主成分分析实现对群体移动特征的识别。最后,针对导航路图动态性,论文提出无路图输入条件下基于反向轨迹映射的导航方法。该方法通过移动特征和空间结构约束定义移动轨迹枢纽点,利用枢纽点将航位推算得到的所有参与用户的采样轨迹形成离散路段集合。然后,引入概率图模型--Bayes树完成路段组接形成逻辑路图。通过对逻辑路图的推理和消除操作,完成逻辑路图向物理空间的自增映射,从而实现由目的地到导航用户的导航路径和室内平面图并行反向生成。