基于深度学习的蜂窝定位中数据增强的有效性
信号处理
2019-06-20 v1
摘要
近来，基于深度学习的定位系统因其相对传统方法的更高性能而受到关注。然而，获得基于深度学习的系统预期性能需要大量数据训练模型。获取此类数据通常是繁琐过程，阻碍了这类深度学习方法的利用。本文中，我们引入若干技术以解决基于深度学习的蜂窝定位系统的数据收集问题。基本思想是生成反映从小规模采集数据集观察到的无线数据典型模式的合成数据。在蜂窝定位案例研究中，使用不同 Android 手机对所提数据增强技术进行评估，表明我们能在室内与室外场景中分别将定位系统性能提升 157% 与 50.5%。这凸显了所提技术在赋能基于深度学习的定位系统方面的前景。
引用
@article{arxiv.1906.08171,
title = {Effectiveness of Data Augmentation in Cellular-based Localization Using Deep Learning},
author = {Hamada Rizk and Ahmed Shokry and Moustafa Youssef},
journal= {arXiv preprint arXiv:1906.08171},
year = {2019}
}