无线网络中用于区域内位置验证的机器学习
信号处理
2019-06-13 v3
摘要
区域内位置验证（IRLV）旨在验证用户是否位于感兴趣区域（ROI）内。在无线网络中，IRLV可利用用户与一组可信接入点之间信道的特性。实践中信道特征统计未知，我们借助机器学习（ML）方案实现IRLV。我们首先表明，基于神经网络（NN）或支持向量机（SVM）及典型损失函数的方案，在 learning 收敛时对足够复杂的学习机与大型训练集而言是Neyman-Pearson（N-P）最优的。事实上，在有限训练下，ML方案比基于估计信道统计的N-P检验更准确。进而，由于估计ROI外信道特征可能困难，我们考虑一类分类器，即自编码器NN与单类SVM，然而它们不等价于广义似然比检验（GLRT）——后者通常在单类问题中替代N-P检验。数值结果在包含路径损耗、阴影衰落与衰落的信道模型的现实无线网络中支持了上述结论。
引用
@article{arxiv.1812.07853,
title = {Machine Learning For In-Region Location Verification In Wireless Networks},
author = {Alessandro Brighente and Francesco Formaggio and Giorgio Maria Di Nunzio and Stefano Tomasin},
journal= {arXiv preprint arXiv:1812.07853},
year = {2019}
}