基于 LoRaWAN 的 RSSI 指纹定位方法可复现对比
机器学习
2020-11-10 v1 信号处理
机器学习
摘要
近年来，在户外物联网场景中采用指纹定位技术已开始受到关注。低功耗广域网（LPWAN，如 LoRaWAN）的通信信号被用于估计低功耗移动设备的位置。本研究利用一个公开可用的 LoRaWAN RSSI 测量数据集，比较不同机器学习方法及其在生成位置估计时的精度。所测试的方法包括：k 近邻方法、Extra Trees 方法，以及使用多层感知机（Multilayer Perceptron）的神经网络方法。为促进测试的可复现性与结果的可比性，本研究中所用数据集的代码及训练/验证/测试划分已公开可用。神经网络方法是精度最高的方法，其平均误差为 358 米，中位误差为 204 米。
引用
@article{arxiv.1908.05085,
title = {A Reproducible Comparison of RSSI Fingerprinting Localization Methods Using LoRaWAN},
author = {Grigorios G. Anagnostopoulos and Alexandros Kalousis},
journal= {arXiv preprint arXiv:1908.05085},
year = {2020}
}