非平稳环境下隐私保护协作可见光定位：联邦学习视角
信号处理
2023-03-14 v1 人工智能
信息论
机器学习
网络与互联网体系结构
math.IT
摘要
可见光定位(VLP)作为一种有前景的室内定位技术已引起广泛关注。然而，在非平稳环境中，由于信道高度时变，VLP 性能受限。为提升非平稳环境下的定位精度与泛化能力，本文提出一种基于联邦学习(FL)的协作式 VLP 方案。利用 FL 框架，可由用户联合训练一个适应环境变化的全局模型，且无需共享用户私有数据。此外，提出一种协作可见光定位网络(CVPosNet)以加速收敛并提升定位精度。仿真结果表明，所提方案优于基准方案，尤其在非平稳环境中。
引用
@article{arxiv.2303.06361,
title = {Privacy-Preserving Cooperative Visible Light Positioning for Nonstationary Environment: A Federated Learning Perspective},
author = {Tiankuo Wei and Sicong Liu},
journal= {arXiv preprint arXiv:2303.06361},
year = {2023}
}
备注
This paper has been accepted by and is to appear in Proc. ACM UbiComp/ISWC'2022