无设备 Wi-Fi 室内定位中深度神经网络的分析与可视化
网络与互联网体系结构
2021-01-29 v2 机器学习
摘要
无设备 Wi-Fi 室内定位作为众多物联网（IoT）应用的关键使能技术已受到显著关注。基于机器的学习定位估计器，如深度神经网络（DNN），通过从含噪无线信号测量中自动学习判别性特征，在达成高精度定位性能方面具有已被证实的潜力。然而，DNN 的内部工作机制并不透明，尤其在室内定位应用中尚未被充分理解。本文中，我们为 DNN 学习过程以及该过程中 DNN 所学到的关键特征提供定量与可视化解释。为此，我们提出使用若干可视化技术，包括：1）降维可视化，将高维特征空间投影至 2D 空间以助于可视化与解释；2）视觉分析与信息可视化，借助所提出的特征操控流程量化各特征的相对贡献。结果就使用信道状态信息（CSI）指纹的无设备 Wi-Fi 室内定位中的 DNN 提供了具洞察性的视图与合理的解释。
引用
@article{arxiv.1904.10154,
title = {Analysis and Visualization of Deep Neural Networks in Device-Free Wi-Fi Indoor Localization},
author = {Shing-Jiuan Liu and Ronald Y. Chang and Feng-Tsun Chien},
journal= {arXiv preprint arXiv:1904.10154},
year = {2021}
}
备注
Accepted for publication in IEEE Access