一种基于图卷积网络的多接入点室内定位系统
信号处理
2021-04-22 v1
摘要
随着室内基于位置服务（LBSs）的快速发展，对精确定位的需求也在不断增长。为满足该需求，我们提出一种基于图卷积网络（GCN）的室内定位算法。我们首先将接入点（APs）及其之间的关系建模为图，并利用接收信号强度指示（RSSI）构成指纹。然后将该图与指纹送入 GCN 进行特征提取，并通过多层感知机（MLP）进行分类。最后，在含楼层预测的二维场景与三维场景下进行了实验。在二维场景中，基于 GCN 的方法的平均距离误差为 11m，相比基于 DNN 与基于 CNN 的方案分别改善了 7m 与 13m。在三维场景中，建筑与楼层的预测准确率分别高达 99.73% 与 93.43%。此外，在正确预测楼层与建筑的情况下，平均距离误差为 13m，优于基于 DNN 与基于 CNN 的方案，其后者的平均距离误差分别为 34m 与 26m。
引用
@article{arxiv.2104.10342,
title = {A Novel GCN based Indoor Localization System with Multiple Access Points},
author = {Yanzan Sun and Qinggang Xie and Guangjin Pan and Shunqing Zhang and Shugong Xu},
journal= {arXiv preprint arXiv:2104.10342},
year = {2021}
}