DeepPos：基于CSI的室内定位深度监督自编码器网络
信号处理
2018-11-30 v1 人工智能
机器学习
机器学习
摘要
广泛的移动设备催生了许多新的应用与服务，其中包括基于位置的服务（LBS），即根据用户位置提供服务。已有若干技术可在室内环境中实现LBS，而全球定位系统（GPS）在室内定位精度较低。这些方法利用一些环境测量值（如信道状态信息（CSI）或接收信号强度（RSS））进行用户定位。本文中，我们将利用CSI和一种新颖的深度学习算法设计一套鲁棒且高效的室内定位系统。更确切地说，我们使用监督自编码器（SAE）基于训练阶段收集的数据对环境进行建模。随后在测试阶段，我们使用训练好的模型，并通过检查不同可能的标签来估计未知点的坐标。与以往的指纹方法不同，本工作不存储指纹的{CSI/RSS}，而是仅用单个SAE对环境建模。所提方案的性能在两个室内环境中进行了评估，并与类似方法进行了比较。
引用
@article{arxiv.1811.12182,
title = {DeepPos: Deep Supervised Autoencoder Network for CSI Based Indoor Localization},
author = {Peyman Yazdanian and Vahid Pourahmadi},
journal= {arXiv preprint arXiv:1811.12182},
year = {2018}
}
备注
10 pages, 15 Figures