基于鲁棒全局信道制图(Channel Charting)的室内定位：一种时间-距离方法
信号处理
2022-10-13 v1 机器学习
摘要
基于指纹的定位在非视距主导区域显著提升了室内定位性能。然而，其部署与维护成本高昂，因为无论初始训练还是适应环境变化均需真值参考系统。相比之下，信道制图(Channel Charting, CC)无需显式参考信息，仅利用信道状态信息(channel state information, CSI)的空间相关性。尽管CC在建模无线环境几何方面已展现前景，但针对利用多锚点大带宽测量的CC用于定位的深入洞察仍待探索。我们提出了一种用于时间同步单输入单输出CSI的新距离度量，其近似与欧氏距离呈线性相关。这允许在无标注情况下学习环境的全局几何。为高效优化全局信道图，我们用孪生神经网络(Siamese neural network)近似该度量。这实现了仅通过从信道图到真实世界坐标的线性变换即可完成全CC辅助指纹与定位。我们在采用5G与UWB无线电装置记录的两个不同真实世界数据集上对比了本方法与CC最先进方法。本方法以UWB下0.69m与5G下1.4m的定位精度优于其他。我们表明CC辅助指纹可实现高精度定位，并降低（或消除）对标注训练数据的需求。
引用
@article{arxiv.2210.06294,
title = {Indoor Localization with Robust Global Channel Charting: A Time-Distance-Based Approach},
author = {Maximilian Stahlke and George Yammine and Tobias Feigl and Bjoern M. Eskofier and Christopher Mutschler},
journal= {arXiv preprint arXiv:2210.06294},
year = {2022}
}
备注
Submitted to IEEE Transactions on Machine Learning in Communications and Networking