基于 RSSI 并利用粒子滤波融合传感器估计的位置分类

对于信息物理生产系统（CPPS），随着无线与移动设备被视为不可分割的组成部分，定位正变得愈发重要。尽管基于接收信号强度指示（RSSIs）在无线通信系统中定位目标是常见方案，但其受限于传感器质量。我们考虑一辆车进出腔体的场景，并提出使用粒子滤波进行传感器融合，从而得以将非理想因素纳入模型并实现高质量位置估计。随后，我们利用机器学习（ML）对车辆位置进行分类。我们的结果表明，粒子滤波的位置输出相较原始 RSSI 数据是更优的分类器输入，且我们在提升准确率的同时减少了 ML 所需考虑的特征数量。我们还比较了多种 ML 算法的性能，并显示 SVM 在该给定任务上提供了总体最佳表现。