反向传播神经网络在基于指纹的 WIPS 两阶段中的应用
机器学习
2017-03-22 v1 机器学习
摘要
我们提出了一种方案，在基于指纹利用 WLAN/WiFi 信号强度（FWIPS）的室内定位的两个阶段均采用反向传播神经网络（BPNNs）：离线阶段的无线电地图构建，以及在线阶段的定位。给定一个训练无线电地图（TRM），即一组坐标向量及可用接入点关联的 WLAN/WiFi 信号强度，可训练一个 BPNN 为感兴趣区域内任意输入位置输出期望信号强度（BPNN-RM）。这可用于提供无线电地图的连续表示，并对离散无线电地图进行过滤、增密或抽稀。相应地，TRM 也可用于训练另一个 BPNN，针对任意记录的信号强度输入向量输出感兴趣区域内的期望位置，从而执行定位（BPNN-LA）。针对特定应用设计此类人工神经网络的关键方面在于设计参数的选择，如网络中隐藏层数和节点数，以及训练过程。总结基于测试床中真实测量的广泛数值模拟，我们分析了这些设计选择对 BPNN 性能的影响，并将结果与使用 近邻（NN）和加权 近邻方法处理 FWIPS 所得结果进行了比较。
引用
@article{arxiv.1703.06912,
title = {Application of backpropagation neural networks to both stages of fingerprinting based WIPS},
author = {Caifa Zhou and Andreas Wieser},
journal= {arXiv preprint arXiv:1703.06912},
year = {2017}
}
备注
11 pages, 11 figures, published in proceedings UPINLBS 2016