基于CSI的室内指纹定位：一种深度学习方法
网络与互联网体系结构
2016-03-24 v1
摘要
随着室内环境中基于位置服务的快速需求增长，基于指纹的室内定位因其高精度而引起了广泛关注。本文提出了一种新颖的基于深度学习的室内指纹定位系统，利用信道状态信息(CSI)，称之为DeepFi。基于关于CSI的三个假设，DeepFi系统架构包括离线训练阶段和在线定位阶段。在离线训练阶段，利用深度学习训练深度网络的所有权重作为指纹。此外，采用贪婪学习算法逐层训练权重以降低复杂度。在线定位阶段，我们使用基于径向基函数的概率方法获得估计位置。实验结果表明，在两种代表性室内环境中，与三种现有方法相比，DeepFi能有效降低定位误差。
引用
@article{arxiv.1603.07080,
title = {CSI-based Fingerprinting for Indoor Localization: A Deep Learning Approach},
author = {Xuyu Wang and Lingjun Gao and Shiwen Mao and Santosh Pandey},
journal= {arXiv preprint arXiv:1603.07080},
year = {2016}
}
备注
IEEE Transactions on Vehicular Technology, 2016