基于多个自监督微型神经网络的室内毫米波定位

我们考虑在大型室内环境中使用多层感知机神经网络（NNs）对移动毫米波客户端进行定位。我们并非训练并部署单一深度模型，而是从多个以自监督方式训练的微型NN中选择其一。主要挑战在于确定并切换到可用NN中最优的一个，因为错误的NN将无法定位客户端。为维持定位精度，我们提出两种切换方案：一种基于卡尔曼滤波器，另一种基于训练数据的统计分布。我们通过仿真分析所提方案，表明我们的方法优于几何定位方案及单一NN的使用。