基于RSS的定位中先验信息的有效利用
信号处理
2022-12-02 v1 机器学习
网络与互联网体系结构
摘要
本文研究了密集城市环境中的定位问题。在此类环境中，由于待定位的接收机（Rx）与卫星之间因建筑物等障碍物存在而难以建立视距（LOS）链路，全球导航卫星系统无法提供良好精度。因此，必须借助其他能在非视距（NLOS）条件下可靠工作的技术。近期，我们提出了一种基于接收信号强度（RSS）指纹与卷积神经网络的算法LocUNet，并证明其相对于广泛采用的k近邻（kNN）算法以及最先进的到达时间（ToA）测距方法具有最先进的定位性能。在当前工作中，我们首先认识到LocUNet能够从训练数据中学习接收机位置或接收机与发射机（Tx）关联偏好的底层先验分布，并将其高性能归因于这些能力。反之，我们证明基于概率方法的经典方法可通过适当引入此类先验信息而大幅受益。我们的研究还通过将其与理论最优公式比较，从数值上证明了LocUNet在许多设定下接近最优的性能。
引用
@article{arxiv.2212.00728,
title = {On the Effective Usage of Priors in RSS-based Localization},
author = {Çağkan Yapar and Fabian Jaensch and Ron Levie and Giuseppe Caire},
journal= {arXiv preprint arXiv:2212.00728},
year = {2022}
}