一种基于 CSI 与一维卷积神经网络的室内定位框架
信号处理
2022-05-18 v1 人工智能
机器学习
摘要
现代室内定位技术对于克服室内环境中 GPS 覆盖弱的缺点至关重要。近来，基于信道状态信息（CSI）与信号指纹的室内定位已取得显著进展。然而，在具有复杂内部结构的大型高动态室内空间中，CSI 信号模式可能十分复杂，因此迫切需要一种解决方案，将 CSI 的应用扩展到更广泛的室内空间。本文提出了一种端到端解决方案，包括数据采集、模式聚类、去噪、校准以及一个轻量级的一维卷积神经网络（1D CNN）模型，并结合 CSI 指纹技术来解决此问题。我们还创建并计划开源一个 CSI 数据集，其中包含在科罗拉多州立大学复杂室内环境中采集的大量数据。实验表明，与已知最优的深度学习和基于 CSI 的室内定位工作相比，我们的方法以最少的参数量实现了高达 68.5% 的性能提升（平均距离误差）。
引用
@article{arxiv.2205.08068,
title = {A Framework for CSI-Based Indoor Localization with 1D Convolutional Neural Networks},
author = {Liping Wang and Sudeep Pasricha},
journal= {arXiv preprint arXiv:2205.08068},
year = {2022}
}