机器学习在无线室内定位系统中应用的综述
信号处理
2024-03-08 v1
摘要
室内人员定位对于健康监测、呼吸监测、人员识别、安全与救援行动以及安全监控等应用变得越来越重要。然而，由于各种约束，实现鲁棒的室内人员定位仍然具有挑战性。文献中已进行了大量尝试以开发高效的室内定位系统（IPS），且越来越多的关注点集中在基于机器学习（ML）的技术上。本文旨在比较和分析当前用于室内定位的基于 ML 的无线技术和方法，提供关于人员检测、定位和活动识别使能技术的全面综述。本研究探讨了不同 IPS 的各种输入测量数据，包括 RSSI、TDOA 等。研究考察了基于 RSSI 的指纹识别、基于角度和基于时间的关键定位技术与各种 ML 方法的结合。该综述比较了定位精度、可扩展性和算法复杂度，旨在确定适用于各种服务的技术。最后，本文比较了使用不同技术发布的专注于室内定位的不同数据集。总体而言，本文对现有技术和定位模型进行了全面比较。
引用
@article{arxiv.2403.04333,
title = {A Survey of Application of Machine Learning in Wireless Indoor Positioning Systems},
author = {Amala Sonny and Abhinav Kumar and Linga Reddy Cenkeramaddi},
journal= {arXiv preprint arXiv:2403.04333},
year = {2024}
}