基于随机变分贝叶斯推断的 FWIPS 联合定位与无线电地图生成
机器学习
2017-05-18 v1 应用统计
摘要
基于指纹的 WLAN 室内定位系统 (FWIPS) 提供了一种有前景的室内定位解决方案，以满足日益增长的室内基于位置服务（例如室内导航或电子围栏）的兴趣。FWIPS 因其无需额外基础设施即可部署，并通过重用现有的 WLAN 和移动设备实现位置估计，且能够提供绝对位置估计而备受青睐。对于基于指纹的定位 (FbP)，在离线阶段创建一个模型，以提供可观测特征（例如来自接入点 (AP) 的信号强度）作为位置的函数参考值。为 FWIPS 构建完整且准确的参考数据库（即无线电地图 (RM)）的一种广泛应用方法是在感兴趣区域 (RoI) 内进行实地勘测。在实地勘测过程中，收集每个参考点 (RP) 处所有可见 AP 的接收信号强度 (RSS) 读数。然而，这种实地勘测耗时且劳动密集，特别是在 RoI 较大（例如机场或大型商场）的情况下。这一瓶颈阻碍了 FWIPS 的广泛商业应用（例如购物中心的邻近促销）。为了降低实地勘测成本，我们提出了一种概率模型，该模型结合了基于指纹的定位 (FbP) 和基于随机变分贝叶斯推断 (SVBI) 的 RM 生成。这种基于 SVBI 的位置和 RSS 估计具有三个特性：i) 能够预测估计位置和 RSS 的分布，ii) 将每个 RP 处的每个 RSS 观测值视为学习 FbP 和 RM 生成的示例，而不是将整个 RM 作为示例，以及 iii) 仅需对 SVBI 模型进行一次训练即可同时用于定位和 RSS 估计。这些优势使其优于先前提出的方法。
引用
@article{arxiv.1705.06025,
title = {Joint Positioning and Radio Map Generation Based on Stochastic Variational Bayesian Inference for FWIPS},
author = {Caifa Zhou and Yang Gu},
journal= {arXiv preprint arXiv:1705.06025},
year = {2017}
}
备注
10 pages, 16 figures, and 2 tables. A paper under review of IPIN 2017