基于 Wi-Fi 指纹的多楼宇多楼层室内定位可扩展深度神经网络架构
网络与互联网体系结构
2018-06-26 v1 机器学习
神经与进化计算
机器学习
摘要
面向覆盖复杂多栋多层建筑（如大型购物中心与大学校园）的未来大规模位置感知服务的一项关键技术是可扩展室内定位技术。本文报告我们基于 Wi-Fi 指纹利用深度神经网络（DNNs）实现可扩展楼宇/楼层分类与楼层平面位置估计研究的现状。利用位置楼宇/楼层估计与楼层坐标估计的层次特性，我们提出一种新 DNN 架构，由用于特征空间降维的栈式自编码器与用于楼宇/楼层/位置多标签分类的前馈分类器组成，并基于此构建基于 Wi-Fi 指纹的多楼宇多楼层室内定位系统。针对给定位置的楼宇/楼层估计与楼层坐标估计性能的的实验结果证明了所提基于 DNN 的室内定位系统的可行性，其可使用单一 DNN 提供接近最先进（state-of-the-art）的性能，并在移动设备上以更低复杂度与能耗实现。
引用
@article{arxiv.1712.01990,
title = {A Scalable Deep Neural Network Architecture for Multi-Building and Multi-Floor Indoor Localization Based on Wi-Fi Fingerprinting},
author = {Kyeong Soo Kim and Sanghyuk Lee and Kaizhu Huang},
journal= {arXiv preprint arXiv:1712.01990},
year = {2018}
}
备注
9 pages, 6 figures