基于自适应特征选择的物联网室内定位：一种级联机器学习方法
信号处理
2020-01-08 v1 人工智能
摘要
不断发展的物联网应用通常需要使用基于传感器的室内跟踪与定位，通过识别周围室内环境的类型可显著提升其性能。这种识别非常重要，因为它能带来更高的定位精度。本文提出了一种基于级联两阶段机器学习方法的新方法，通过自适应选择和组合 RF 特征，在室内环境中实现高精度和鲁棒的定位。在所提出的方法中，首先使用机器学习识别周围室内环境的类型。然后，在第二阶段，利用机器学习确定能够产生最高定位精度的最合适的 RF 特征选择与组合。分析基于 k 近邻机器学习算法，应用于在真实室内环境中对 RF 信号进行实际测量所生成的真实数据集。接收信号强度、信道传输函数和频率相干函数是所探索和组合的主要 RF 特征。数值研究表明，基于主要 RF 特征拼接的预测显著增强，定位精度提高了至少 50% 至 70% 以上。
引用
@article{arxiv.1905.01000,
title = {Indoor Localization for IoT Using Adaptive Feature Selection: A Cascaded Machine Learning Approach},
author = {Mohamed I. AlHajri and Nazar T. Ali and Raed M. Shubair},
journal= {arXiv preprint arXiv:1905.01000},
year = {2020}
}
备注
13 pages