利用多样化数据增强室内指纹定位的特征提取
信号处理
2023-07-03 v1
摘要
随着无线通信与终端设备的快速发展，高速便捷的 WiFi 已渗透人们生活的方方面面，WiFi 所能提供的定位服务也受到关注。基于指纹的方法作为一种优良的定位途径，逐渐成为研究热点。然而在实际定位中，传统方法的指纹特征在复杂室内环境下可靠性低且缺乏鲁棒性。为克服这些局限，本文提出一种基于多样化信道状态信息（CSI）的名为 Secci 的特征提取增强型智能定位方案。通过修改设备驱动，提取多样化 CSI 数据并转化为 RGB CSI 图像，作为离线阶段中具有 SE 注意力机制辅助训练的深层卷积神经网络（DCNN）的输入。在线阶段采用贪心概率方法，利用测试 RGB CSI 图像快速预测估计位置。Secci 系统使用现成 WiFi 设备实现，并在两个代表性室内环境中进行了全面实验，以展示 Secci 相较于四种现有算法的优越性能。
引用
@article{arxiv.2306.17634,
title = {Enhancing Feature Extraction for Indoor Fingerprint Localization Using Diversified Data},
author = {Jiyu Jiao and Xiaojun Wang and Chenlin He},
journal= {arXiv preprint arXiv:2306.17634},
year = {2023}
}