基于多模态数据的半监督学习用于车辆定位
信号处理
2024-10-29 v1 机器学习
摘要
本文设计了一种基于多模态数据的半监督学习（SSL）框架，联合使用信道状态信息（CSI）数据和RGB图像进行车辆定位。具体地，考虑一种户外定位系统，其中车辆位置由基站（BS）确定。该基站配备多个摄像头，可收集大量未标记的CSI数据和少量标记的车辆CSI数据，以及摄像头拍摄的图像。虽然收集的图像包含车辆的部分信息（即方位角），但未知车辆图像中捕获的方位角与未标记CSI数据之间的关系，以及基站与车辆之间的距离均为未知。因此，无法直接将图像用作未标记CSI数据的标签来训练定位模型。为充分利用未标记的CSI数据和图像，本文提出了一种包含预训练阶段和下游训练阶段的SSL框架。在预训练阶段，将图像中获得的方位角视为未标记CSI数据的标签，对定位模型进行预训练。在下游训练阶段，使用包含准确车辆位置的标签的小规模标记数据集对模型进行重新训练。仿真结果表明，与模型未预训练的基线方法相比，本文方法可将定位误差降低最高30%。
引用
@article{arxiv.2410.20680,
title = {Multi-modal Data based Semi-Supervised Learning for Vehicle Positioning},
author = {Ouwen Huan and Yang Yang and Tao Luo and Mingzhe Chen},
journal= {arXiv preprint arXiv:2410.20680},
year = {2024}
}