面向多样环境的精准物联网定位统一深度迁移学习模型
信号处理
2025-02-11 v1 机器学习
网络与互联网体系结构
摘要
物联网（IoT）是不断演化的技术范式，正在全球性地重塑行业和社会。由定位解决方案支持的实时数据采集、分析和决策构成了位置服务的基础，使其能够支持多样化IoT生态系统中的关键功能。然而，大多数现有工作在定位方面仅关注单一环境，导致需开发多个模型以支持多个环境。 在智慧城市语境下，这会增加成本和复杂度。为解决这些挑战，本文提出一种统一的室内外定位解决方案，利用迁移学习（TL）方案构建单个深度学习模型。该模型能够准确预测IoT设备在多种环境中的位置。性能评估显示，采用基于编码器的TL方案后，室内环境下的基线模型可提升约17.18%，户外环境下可提升9.79%。
引用
@article{arxiv.2405.09960,
title = {A Unified Deep Transfer Learning Model for Accurate IoT Localization in Diverse Environments},
author = {Abdullahi Isa Ahmed and Yaya Etiabi and Ali Waqar Azim and El Mehdi Amhoud},
journal= {arXiv preprint arXiv:2405.09960},
year = {2025}
}
备注
6 pages, 8 figures, IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC 2024)