DeepLoc：一种泛在、精确且低开销的户外蜂窝定位系统
机器学习
2021-06-28 v1 计算机与社会
摘要
近年来，户外基于位置的服务快速增长。虽然GPS被认为是一种泛在定位系统，但它不被低端手机支持，需要直视卫星，并且会快速耗尽手机电量。在本文中，我们提出DeepLoc：一种基于深度学习的户外定位系统，可在不具备GPS局限性的情况下获得类GPS的定位精度。具体而言，DeepLoc利用移动设备听到的来自不同基站的泛在蜂窝信号作为线索来定位。为此，使用来自不同基站的众包带地理标签的接收信号强度信息来训练一个深度模型，用于推断用户位置。作为DeepLoc设计的一部分，我们引入了若干模块以应对实际挑战，包括将数据采集扩展到大面积区域、处理蜂窝信号与地理标签数据中的固有噪声，以及以低开销为深度学习模型提供足够数据。我们在不同的Android设备上实现了DeepLoc。在真实城郊与乡村环境中的评估结果表明，DeepLoc在城区可达中位定位精度18.8米以内，在乡村可达15.7米以内。该精度优于最先进的基于蜂窝的系统逾470%，且相比GPS节省330%的功耗。这凸显了DeepLoc作为一种泛在、精确且低开销定位系统的前景。
引用
@article{arxiv.2106.13632,
title = {DeepLoc: A Ubiquitous Accurate and Low-Overhead Outdoor Cellular Localization System},
author = {Ahmed Shokry and Marwan Torki and Moustafa Youssef},
journal= {arXiv preprint arXiv:2106.13632},
year = {2021}
}