结构化组稀疏：一种新颖的室内 WLAN 定位、异常值检测与无线电地图插值方案
网络与互联网体系结构
2016-10-19 v1 机器学习
摘要
本文引入利用无线局域网（WLAN）进行室内定位、异常值检测和无线电地图插值的新方案。该定位方法包含一种新颖的多分量优化技术，该技术最小化无线电地图与在线接收信号强度（RSS）测量值之间残差的平方 ℓ₂ 范数、用户位置向量的 ℓ₁ 范数，以及分层参考点（RP）组的加权 ℓ₂ 范数。参考点根据一种基于所谓接入点（AP）覆盖向量之间相似性的新准则进行分组。此外，由于 AP 读数容易包含称为异常值的不合理读数，本文提出一种增广优化问题，以检测异常值并使用清洗后的在线测量值定位用户。此外，还利用稀疏恢复技术开发了一种新颖的方案，可从较少数量的参考点记录指纹，并估计未记录指纹的参考点处的无线电地图。所有定位方案均在真实环境中采集的 RSS 指纹上进行了测试。整体方案在复杂度上与竞争方法相当，同时在少量 AP 和更细粒度的参考点条件下实现了高精度。
引用
@article{arxiv.1610.05421,
title = {Structured Group Sparsity: A Novel Indoor WLAN Localization, Outlier Detection, and Radio Map Interpolation Scheme},
author = {Ali Khalajmehrabadi and Nikolaos Gatsis and David Akopian},
journal= {arXiv preprint arXiv:1610.05421},
year = {2016}
}