一种基于神经网络的BLE-RSS双曲线定位室内协作定位方法
信号处理
2022-11-29 v1
摘要
在日常生活中，具有高计算能力的移动和可穿戴设备，连同部署在室内环境中的锚节点，构成了满足日益增长的室内位置服务需求的常见方案。在当前用于室内定位的技术和方法中，依赖蓝牙低能耗（BLE）锚节点、接收信号强度（RSS）和双曲线定位的方法最为流行，主要因其部署廉价简便且各类设备均可访问基础设施。然而，此类基于BLE和RSS的室内定位系统容易出现不精确，主要由于信号波动、环境中部署锚节点数量不足和/或分布不当，以及移动设备硬件差异。本文通过使用一种协作室内定位方法来解决这些问题，该方法将邻近设备作为扩展定位网络中的附加锚节点。协作设备的信息（即估计位置和BLE-RSS）通过使用多层感知机（MLP）神经网络处理，并考虑设备特异性以估计相对距离。此后，应用双曲线定位协作估计设备位置。最后，将独立与协作的位置估计相结合，为每个设备提供最终位置估计。实验结果表明，所提出的协作方法在定位精度上优于独立双曲线定位方法。
引用
@article{arxiv.2205.10559,
title = {A Collaborative Approach Using Neural Networks for BLE-RSS Lateration-Based Indoor Positioning},
author = {Pavel Pascacio and Joaquín Torres-Sospedra and Sven Casteleyn and Elena Simona Lohan},
journal= {arXiv preprint arXiv:2205.10559},
year = {2022}
}
备注
To appear in the 2022 International Joint Conference on Neural Networks (IJCNN 2022)