无设备室内定位的新范式：Wi-Fi 系统中基于误差矢量谱的深度学习
信号处理
2023-04-14 v1 机器学习
摘要
利用商用 Wi-Fi 设备进行无设备室内定位的需求因便利性与多样应用而在各领域快速增长。然而，无线信道中的随机频偏（RFO）在使用波动的信道状态信息（CSI）时给室内定位精度带来挑战。为缓解 RFO 问题，误差矢量谱（EVS）因其更高的信号分辨率与对 RFO 的鲁棒性而被提出。为应对这些挑战，本文提出一种新颖的误差矢量辅助学习（EVAL）用于无设备室内定位。所提 EVAL 方案采用深度神经网络，通过从物理层信号中提取丰富的信道特征来对室内环境中人的位置进行分类。我们基于 OpenWiFi 项目开展了真实实验，提取 EVS 与 CSI 以检验不同无设备定位技术的性能。实验结果表明，我们所提 EVAL 方案优于利用 CSI 幅度或相位信息的常规机器学习方法与基准。与多数现有基于 CSI 的定位方案相比，我们所提 EVAL 系统揭示了一种采用 EVS 实现更高定位精度的新范式。
引用
@article{arxiv.2304.06490,
title = {A New Paradigm for Device-free Indoor Localization: Deep Learning with Error Vector Spectrum in Wi-Fi Systems},
author = {Wen Liu and An-Hung Hsiao and Li-Hsiang Shen and Kai-Ten Feng},
journal= {arXiv preprint arXiv:2304.06490},
year = {2023}
}