用于精确 RSSI 室内定位的循环神经网络
信号处理
2022-11-09 v2 机器学习
机器学习
摘要
本文提出循环神经网络（RNNs）用于基于 WiFi 的指纹室内定位。与常规算法逐次定位用户位置不同，我们的 RNN 方案旨在进行轨迹定位，并考虑轨迹中接收信号强度指示（RSSI）测量值之间的关系。此外，提出对输入 RSSI 数据与序列输出位置均采用加权平均滤波器，以增强在 RSSI 时间波动中的精度。给出了包括 vanilla RNN、长短期记忆（LSTM）、门控循环单元（GRU）与双向 LSTM（BiLSTM）在内不同类 RNN 的结果。现场实验表明，所提结构实现了 m 的平均定位误差，且 的误差低于 m，在相同测试环境下比常规 KNN 算法与概率算法高出约 。
引用
@article{arxiv.1903.11703,
title = {Recurrent Neural Networks For Accurate RSSI Indoor Localization},
author = {Minh Tu Hoang and Brosnan Yuen and Xiaodai Dong and Tao Lu and Robert Westendorp and Kishore Reddy},
journal= {arXiv preprint arXiv:1903.11703},
year = {2022}
}
备注
Received signal strength indicator (RSSI), WiFi indoor localization, recurrent neuron network (RNN), long shortterm memory (LSTM), fingerprint-based localization