DeepBLE:基于 RSSI 的定位在不同设备间的泛化
机器学习
2021-03-02 v1 人工智能
机器人学
摘要
利用从一组 BLE 信标接收的 RSSI 实现精确的智能手机室内导航定位(<1 米误差)由于 RSSI 测量固有的噪声仍是一个具有挑战性的问题。为克服 RSSI 测量的大方差,我们提出一种数据驱动方法,使用深度循环网络 DeepBLE,依据环境中多个信标测得的 RSSI 对智能手机进行定位。我们特别关注该方法在许多智能手机品牌(如 Apple、Samsung)和型号(如 iPhone 8、S10)间的泛化能力。为此,我们收集了 15 小时的大规模智能手机数据集,包含使用 15 种不同流行智能手机型号在单栋建筑内从 47 个信标采集的超过 50,000 条 BLE 信标 RSSI 测量值,以及精确的 2D 位置标注。我们的实验表明,不同智能手机型号(尤其是跨品牌)的 RSSI 测量差异极大,使得仅使用部分手机型号进行监督学习非常困难。为应对该挑战,我们提出一种新颖的统计相似性损失(SSL),其通过半监督学习方法使模型能够泛化至未见过的手机。对于已知手机,iPhone XR 取得了 0.84 米的最佳平均距离误差。对于未知手机,Huawei Mate20 Pro 改进最为显著,采用我们的半监督自适应方法将误差从 2.62 米降至 1.63 米,降低超过 38%。
引用
@article{arxiv.2103.00252,
title = {DeepBLE: Generalizing RSSI-based Localization Across Different Devices},
author = {Harsh Agarwal and Navyata Sanghvi and Vivek Roy and Kris Kitani},
journal= {arXiv preprint arXiv:2103.00252},
year = {2021}
}