基于扩频因子与深度强化学习的LoRa定位
信号处理
2023-05-12 v2 机器学习
网络与互联网体系结构
摘要
大多数已开发的定位方案依赖于RSSI指纹。然而，在LoRa网络中，由于网络设置中的扩频因子（SF），传统指纹可能缺乏无线电地图的代表性，导致位置估计不准确。因此，在这项工作中，我们提出了一种考虑SF的新型LoRa RSSI指纹方法。性能评估显示了我们提出方法的优越性，因为与最先进的方法相比，我们实现了高达6.67%的定位精度提升。评估使用全连接深度神经网络（DNN）作为基线。为了进一步提高定位精度，我们提出了一种深度强化学习模型，该模型捕捉LoRa网络不断增长着的复杂性并应对其可扩展性。所得结果显示与基线DNN模型相比，定位精度提高了48.10%。
引用
@article{arxiv.2205.11428,
title = {Spreading Factor assisted LoRa Localization with Deep Reinforcement Learning},
author = {Yaya Etiabi and Mohammed JOUHARI and Andreas Burg and El Mehdi Amhoud},
journal= {arXiv preprint arXiv:2205.11428},
year = {2023}
}
备注
Accepted for publication in IEEE VTC2023-Spring