一种基于RSS指纹的非线性位置估计核方法
网络与互联网体系结构
2022-04-11 v1 机器学习
信号处理
摘要
本文提出了一种非线性位置估计方法，用于推断持有智能手机的用户的位置。我们考虑一个具有 个网格点的大型场所，每个网格点都标有一个独特的指纹，该指纹由从 个低功耗蓝牙（BLE）信标测量的接收信号强度（RSS）值组成。给定智能手机观测到的指纹，可以通过从数据库中注册的指纹列表中找到前k个最相似的指纹来估计用户的当前位置。除了环境因素外，手持智能手机的动态性是导致指纹测量变化的另一个来源，然而，目前还没有太多研究解决在线检测期间由于人手握持智能手机的动态位置而导致的指纹可变性问题。为此，我们提出了一种使用核方法的非线性位置估计。具体来说，我们提出的方法包括两个步骤：1）一种信标选择策略，用于选择一个对握持位置的细微变化不敏感的信标子集；2）一种核方法，用于计算该观测信号子集与数据库中注册的所有指纹之间的相似度。基于在复杂建筑中收集的大规模数据的实验结果表明，与最先进的方法相比，我们提出的方法在性能上有了显著提升。包含从信标收集的信号信息的数据集可在线获取。
引用
@article{arxiv.2204.03724,
title = {A Kernel Method to Nonlinear Location Estimation with RSS-based Fingerprint},
author = {Pai Chet Ng and Petros Spachos and James She and Konstantinos N. Plataniotis},
journal= {arXiv preprint arXiv:2204.03724},
year = {2022}
}