用于优化车辆定位的多模态图像与射频频谱融合
信号处理
2024-10-29 v1 计算机视觉与模式识别
机器学习
摘要
本文设计了一种结合信道状态信息（CSI）和图像进行车辆定位的多模态框架。具体而言，我们考虑户外场景，其中每辆车只能与一个基站（BS）通信，因而只能上传其估计的CSI至其关联的BS。每个BS配备一组摄像机，以便收集少量标记CSI、大量未标记CSI以及摄像机拍摄的图像。为利用未标记CSI数据和从图像获取的位置标签，我们设计一种基于元学习的硬期望最大似然（EM）算法。具体而言，由于我们不知道未标记CSI与图像中多个车辆位置之间的对应关系，我们将训练目标的计算形式化为最小匹配问题。为减少由未标记CSI与车辆位置不匹配导致的标签噪声，并实现更好的收敛，我们引入对未标记数据集的加权损失函数，并研究使用元学习算法计算加权损失。随后，根据未标记CSI样本及其从图像匹配到的位置标签的加权损失函数更新模型参数。仿真结果表明，所提方法可使定位误差降低最高可达61%，而该基准方法不使用图像，仅使用CSI指纹进行车辆定位。
引用
@article{arxiv.2410.19788,
title = {Multi-modal Image and Radio Frequency Fusion for Optimizing Vehicle Positioning},
author = {Ouwen Huan and Tao Luo and Mingzhe Chen},
journal= {arXiv preprint arXiv:2410.19788},
year = {2024}
}