基于CSI的室内定位中简单而有效的数据增强方法
信号处理
2023-05-18 v2 机器学习
摘要
室内定位是一项具有挑战性的任务。相较于以GPS为主导的室外环境，目前尚无稳健且近乎通用的方案。近来，机器学习（ML）已成为实现精确室内定位最有前景的方法。然而，其主要挑战在于需要大型数据集来训练神经网络。数据收集过程成本高且费力，需要对不同室内环境进行大量测量和标注。数据增强（DA）这一通用框架可改善此状况，它能扩充ML的数据集，使ML系统更稳健并提升其泛化能力。本文受物理考量启发，提出两种简单却出奇有效的基于信道状态信息（CSI）的室内定位DA算法。我们表明，在给定精度要求下，测量次数可缩减一个数量级。具体而言，我们通过基于实测室内WiFi测量数据集开展的实验证明了算法的有效性。仅需原始数据集规模的10%便足以达到与原始数据集相同的性能。我们还表明，若利用所提技术进一步扩充数据集，测试精度可提升三倍以上。
引用
@article{arxiv.2211.10790,
title = {Simple and Effective Augmentation Methods for CSI Based Indoor Localization},
author = {Omer Gokalp Serbetci and Ju-Hyung Lee and Daoud Burghal and Andreas F. Molisch},
journal= {arXiv preprint arXiv:2211.10790},
year = {2023}
}