基于 Wi-Fi 指纹的室内定位中静态与动态数据库：数据视角的探讨
机器学习
2024-02-21 v1 网络与互联网体系结构
摘要
Wi-Fi 指纹识别已成为最流行的室内定位方法。机器学习算法的使用极大地提高了 Wi-Fi 指纹识别的定位性能，但其成功取决于由大量接收信号强度指示 (RSSI)、接入点 MAC 地址和其他测量信息组成的指纹数据库的可用性。然而，大多数指纹数据库未能很好地反映复杂现代室内环境中电磁干扰的时变特性。这可能导致训练/验证数据集和测试数据集的统计特征发生显著变化，这些数据集通常在不同时间构建，甚至测试数据集的特征也可能与定位系统部署后用户操作期间提交的数据特征不同。在本文中，我们从以数据为中心的角度考虑了时变 Wi-Fi 指纹对室内定位的影响，并讨论了静态数据库与动态数据库之间的差异。作为案例研究，我们基于 RSSI 测量构建了一个覆盖西交利物浦大学 (XJTLU) IR 大楼三层的动态数据库，历时 44 天以上，并调查了静态和动态数据库在统计特征和定位性能方面的差异。基于方差计算和孤立森林 (Isolation Forest) 的分析显示了 RSSI 的时间漂移，这导致高斯过程回归模型的定位误差呈现明显的增加趋势，在未经模型调整的情况下，训练 14 天后的最大误差达到 6.65 米。基于 XJTLU 动态数据库的案例研究结果清楚地表明了静态数据库的局限性，以及为未来室内定位研究和实际部署创建和采用动态数据库的重要性。
引用
@article{arxiv.2402.12756,
title = {Static vs. Dynamic Databases for Indoor Localization based on Wi-Fi Fingerprinting: A Discussion from a Data Perspective},
author = {Zhe Tang and Ruocheng Gu and Sihao Li and Kyeong Soo Kim and Jeremy S. Smith},
journal= {arXiv preprint arXiv:2402.12756},
year = {2024}
}
备注
10 pages, 5 figures, Invited paper with Excellent Paper Award to be presented at ICAIIC 2024, Osaka, Japan, Feb. 19--22, 2023