用于增强室内定位的半序贯概率模型
信号处理
2022-11-09 v1 机器学习
摘要
本文提出一种半序贯概率模型（SSP），其通过引入额外的短期记忆来增强概率室内定位的性能。传统概率方法通常对数据库中的位置不加区分地对待。相反，SSP利用前一位置的信息来确定可能位置，因为用户在室内环境中的速度是受限的，且靠近前一位置的位置比其他位置具有更高概率。尽管SSP利用了前一位置信息，其并不需要用户的精确移动速度与方向。利用接收信号强度指示（RSSI）和信道状态信息（CSI）指纹进行定位的现场实验表明，SSP将最大误差降低，并使现有概率方法的性能提升25%—30%。
引用
@article{arxiv.2001.02400,
title = {Semi-Sequential Probabilistic Model For Indoor Localization Enhancement},
author = {Minh Tu Hoang and Brosnan Yuen and Xiaodai Dong and Tao Lu and Robert Westendorp and Kishore Reddy},
journal= {arXiv preprint arXiv:2001.02400},
year = {2022}
}