基于循环神经网络的分层多建筑多楼层室内定位
机器学习
2021-12-24 v1 网络与互联网体系结构
摘要
在现代城市中，从室外生活转向室内生活的趋势日益增强。大型购物中心、室内体育场馆、工厂和仓库的出现加速了这一趋势。在此类环境中，室内定位成为必不可少的服务之一，待部署的室内定位系统应具备足够的可扩展性，以覆盖这些室内设施预期的扩张。最具经济性和实用性的室内定位方法之一是 Wi-Fi 指纹定位，它利用广泛部署的 Wi-Fi 网络，通过移动设备（如智能手机）实现，而无需对现有基础设施做任何改动。传统的 Wi-Fi 指纹方案依赖复杂的数据前/后处理以及耗时的手动参数调优。本文提出基于循环神经网络（RNN）利用 Wi-Fi 指纹实现的分层多建筑多楼层室内定位，消除了复杂数据前/后处理的需求，并减少了参数调优。所提方案中的 RNN 以从一般到具体的顺序（如建筑->楼层->位置）逐级估计位置，以利用多建筑多楼层环境中定位的分层特性。基于 UJIIndoorLoc 数据集的实验结果表明，所提方案对建筑和楼层的估计准确率分别为 100% 和 95.24%，三维定位误差为 8.62 m，优于现有的基于深度神经网络的方案。
引用
@article{arxiv.2112.12478,
title = {Hierarchical Multi-Building And Multi-Floor Indoor Localization Based On Recurrent Neural Networks},
author = {Abdalla Elmokhtar Ahmed Elesawi and Kyeong Soo Kim},
journal= {arXiv preprint arXiv:2112.12478},
year = {2021}
}
备注
4 pages, 3 figures, the 6th International Workshop on GPU Computing and AI (GCA'21)