使用 ANN 的受限室内无线网络 RSSI 估计
信号处理
2024-04-25 v1 机器学习
网络与互联网体系结构
摘要
在不断扩展的物联网（IoT）领域中，无线信道估计是一项重大挑战。对于效率和准确性极为重要的低功耗 IoT（LP-IoT）通信而言尤其如此。本研究使用人工神经网络（ANN）建立了两种不同的 LP-IoT 无线信道估计模型：基于特征的 ANN 模型和基于序列的 ANN 模型。这两个模型均旨在通过降低 LP-IoT 无线信道中的估计误差来增强 LP-IoT 通信。基于特征的模型旨在利用环境特征捕获实测接收信号强度指示（RSSI）数据的复杂模式。基于序列的方法利用预定的分类技术来估计特定选定环境特征的 RSSI 序列。结果表明，我们提出的方法在信道估计中获得了极高的精度，与现有研究相比，基于特征的模型和基于序列的模型的 MSE 分别改善了 和 。此外，将这些技术与传统方法及其他基于深度学习（DL）的技术进行比较分析，也突显了我们所开发模型的优越性能及其在实际 IoT 应用中的潜力。
引用
@article{arxiv.2404.15337,
title = {RSSI Estimation for Constrained Indoor Wireless Networks using ANN},
author = {Samrah Arif and M. Arif Khan and Sabih Ur Rehman},
journal= {arXiv preprint arXiv:2404.15337},
year = {2024}
}