面向智能手机不变性室内定位的多头注意力神经网络
信号处理
2022-05-18 v1 人工智能
机器学习
摘要
智能手机与 RSSI 指纹技术相结合，是提供低成本、高精度室内定位解决方案的有效途径。然而，若干关键挑战阻碍了该技术在公共领域的广泛普及。其中一个关键挑战是设备异构性，即不同智能手机设备捕获的 RSSI 信号特征存在差异。在现实世界中，用于采集 RSSI 指纹的智能手机或物联网设备通常因室内定位服务的用户而异。传统的室内定位解决方案可能无法应对设备引起的差异，这会降低其定位精度。我们提出了一种基于多头注意力神经网络的室内定位框架，该框架对设备异构性具有弹性。在各种室内环境中对我们提出的框架进行的深入分析表明，与最先进的室内定位技术相比，其精度提升高达 35%。
引用
@article{arxiv.2205.08069,
title = {Multi-Head Attention Neural Network for Smartphone Invariant Indoor Localization},
author = {Saideep Tiku and Danish Gufran and Sudeep Pasricha},
journal= {arXiv preprint arXiv:2205.08069},
year = {2022}
}