接入网中的大规模位置感知服务：基于深度神经网络和 Wi-Fi 指纹的分层楼宇/楼层分类与位置估计
网络与互联网体系结构
2018-06-26 v3
摘要
未来大规模接入网位置感知服务的关键技术之一是可扩展的室内定位技术。本文报告了我们利用深度神经网络 (DNN) 基于 Wi-Fi 指纹进行分层楼宇/楼层分类和楼层级位置估计研究的初步结果，该研究是西交利物浦大学 (XJTLU) 校园信息与访客服务系统可行性研究项目的一部分。为考虑楼宇/楼层分类问题的分层特性，我们提出了一种新的 DNN 架构，该架构基于一个用于特征空间降维的堆叠自编码器和一个用于多标签分类的前馈分类器，并利用 argmax 函数将多标签分类结果转换为多类分类结果。我们还描述了基于 DNN 的室内定位系统原型在楼层级位置估计上的演示，该系统使用在 XJTLU 校园某栋建筑内采集的真实接收信号强度 (RSS) 数据。楼宇/楼层分类和楼层级位置估计的初步结果清晰地展示了基于 DNN 方法的优势，能够以更少的参数调优和更高的可扩展性提供接近当前最优水平的性能。
引用
@article{arxiv.1710.00951,
title = {Large-Scale Location-Aware Services in Access: Hierarchical Building/Floor Classification and Location Estimation using Wi-Fi Fingerprinting Based on Deep Neural Networks},
author = {Kyeong Soo Kim and Ruihao Wang and Zhenghang Zhong and Zikun Tan and Haowei Song and Jaehoon Cha and Sanghyuk Lee},
journal= {arXiv preprint arXiv:1710.00951},
year = {2018}
}
备注
5 pages, 6 figures, FOAN 2017 (Munich, Germany, Oct. 2017)