从不使用标签：基于信号强度的贝叶斯无设备定位在变化环境中的应用
网络与互联网体系结构
2019-01-01 v1
摘要
无设备定位（DFL）方法利用许多对 RF 节点间接收到的信号强度（RSS）的测量变化，来给出无线网络中人的位置估计。RSS DFL 方法的根本挑战在于拥有 RSS 测量作为人的位置之函数的模型，并在环境随时间变化时保持模型的准确性。当前方法依赖于带标签的空区域校准或带标签的指纹（人在各位置处）。二者均需频繁重新校准或重新训练以跟上变化的环境。其他 DFL 方法仅能定位运动中的人。本文中，我们通过以下方式应对这些挑战：首先，引入一种以人的位置为函数的链路 RSS 新混合模型；其次，提供无需空区域或已知位置类别的带标签数据即可更新模型参数的框架。我们基于混合模型开发了两种新的贝叶斯定位方法，并在三个测试点以七天测量数据对系统进行了实验验证。我们证明，我们的方法在变化环境中以不退化性能定位人，并且相较其他 DFL 方法将定位误差降低了 11–51%。
引用
@article{arxiv.1812.11836,
title = {Never Use Labels: Signal Strength-Based Bayesian Device-Free Localization in Changing Environments},
author = {Peter Hillyard and Neal Patwari},
journal= {arXiv preprint arXiv:1812.11836},
year = {2019}
}