二维稀疏编码的张量生成对抗网络:在实时室内定位中的应用
机器学习
2017-11-09 v1 网络与互联网体系结构
信号处理
摘要
定位技术对室内基于位置服务(LBS)的发展十分重要。由于非视距问题,全球定位系统(GPS)在室内环境中失效,因此亟需为智能手机开发一种实时高精度定位方法。然而,由于实时响应需求、指纹样本有限及移动设备存储等问题,精确定位具有挑战性。为解决这些问题,我们提出一种新颖的深度学习架构:张量生成对抗网络(TGAN)。我们首先引入基于变换的三维张量来建模指纹样本。与那些将指纹数据库作为先验被动构建的方法不同,我们的模型应用带深度学习的神经网络训练网络分类器,然后给出估计。接着我们提出一种新颖的基于张量的超分辨率方案,使用生成对抗网络(GAN),以稀疏编码作为生成器网络、残差学习网络作为判别器。进一步,我们分析了张量-GAN 的性能并实施了基于轨迹的定位实验,取得了更优性能。相较于现有智能手机室内定位方法中能耗高、设备要求高的问题,TGAN 能在定位精度、响应时间和实现复杂度上给出改进方案。
引用
@article{arxiv.1711.02666,
title = {Tensor-Generative Adversarial Network with Two-dimensional Sparse Coding: Application to Real-time Indoor Localization},
author = {Chenxiao Zhu and Lingqing Xu and Xiao-Yang Liu and Feng Qian},
journal= {arXiv preprint arXiv:1711.02666},
year = {2017}
}
备注
6 pages, 9 figures