面向Wi-Fi驱动网络中室内定位的空间自适应保守图变换器
机器学习
2026-02-02 v1 信号处理
摘要
室内定位是智能环境中众多基于位置的服务（包括导航、资产跟踪和安全关键应用）的关键使能技术。最近的图基模型利用无线 fidelity（Wi-Fi）接入点（AP）与设备之间的空间关系，提供更细粒度的定位精度，但在量化预测不确定性方面不足，这是实际部署的关键要求。本文提出空间自适应保守图变换器（SAC-GT），一个用于准确可靠室内定位的框架。SAC-GT将图变换器（GT）模型与 novel 空间自适应保守预测（SACP）方法集成，后者提供针对不同环境条件的区域特定不确定性估计。这使SAC-GT能够不仅产生精确的二维（2D）位置预测，而且生成量身定制的统计上有效置信区域。大规模真实世界数据集的广泛评估表明，所提出的SAC-GT解决方案在实现最先进的定位精度的同时，还能提供稳健且空间自适应的可靠性保证。
引用
@article{arxiv.2601.22322,
title = {Spatially-Adaptive Conformal Graph Transformer for Indoor Localization in Wi-Fi Driven Networks},
author = {Ayesh Abu Lehyeh and Anastassia Gharib and Safwan Wshah},
journal= {arXiv preprint arXiv:2601.22322},
year = {2026}
}
备注
Accepted to IEEE ICC 2026