基于注意力增强残差卷积神经网络的 CSI 指纹室内定位
信号处理
2023-10-11 v2 人工智能
摘要
深度学习已广泛用于信道状态信息（CSI）指纹室内定位系统。此类系统通常包含两部分：学习从高维 CSI 到物理位置映射的定位网络，以及利用历史 CSI 降低定位误差的跟踪系统。本文提出一种高精度、高通用性的新定位系统。一方面，现有基于卷积神经网络（CNN）的定位网络感受野有限，限制了性能，因为 CSI 中有用信息未被充分挖掘。作为解决方案，我们提出一种新颖的注意力增强残差 CNN，以充分利用于 CSI 中的局部信息与全局上下文。另一方面，考虑跟踪系统的通用性，我们将跟踪系统与 CSI 环境解耦，使一个跟踪系统适用于所有环境成为可能。具体而言，我们将跟踪问题重塑为去噪任务，并用深度轨迹先验求解。此外，我们研究了惯性测量单元精度差异如何对跟踪性能产生不利影响，并采用即插即用解决精度差异问题。实验表明，我们的方法在性能与通用性提升上优于现有方法。
引用
@article{arxiv.2205.05775,
title = {CSI-fingerprinting Indoor Localization via Attention-Augmented Residual Convolutional Neural Network},
author = {Bowen Zhang and Houssem Sifaou and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2205.05775},
year = {2023}
}
备注
32 pages, Added references in section 2,3; Added explanations for some academic terms; Corrected typos; Added experiments in section 5, previous results unchanged; is under review for possible publication