基于去相关深度学习的指纹室内定位
信号处理
2019-08-07 v1
摘要
室内定位因其巨大的实际应用而备受关注。然而，室内无线信号传播丰富的多径效应与高穿透损耗使该任务艰巨。尽管近期研究的基于指纹的技术可处理多径效应，但定位性能对信道波动的敏感性是一缺陷。为应对后一挑战，我们采用人工多层神经网络（MNN）来学习复杂信道冲激响应（CIRs）作为指纹测量值。然而，使用 MNN 的位置分类性能关键取决于训练数据间的相关性。因此，我们设计两种不同的去相关滤波器以预处理训练数据用于判别学习。第一种是结合主成分分析（PCA）的线性白化滤波器，其迫使不同特征维度的协方差矩阵为单位阵。另一滤波器为非线性量化器，经优化以最小化量化引起的失真。采用室内信道模型的数值结果说明了所提去相关 MNN（DMNN）相较于其他基准的显著改进。
引用
@article{arxiv.1908.02014,
title = {Decorrelation Deep Learning for Fingerprint-based Indoor Localization},
author = {Guojun Xiong and Taejoon Kim and Erik Perrins},
journal= {arXiv preprint arXiv:1908.02014},
year = {2019}
}
备注
10 pages, 6 figures