WiCluster：基于WiFi且无精确标签的被动式室内2D/3D定位

我们提出WiCluster，一种利用射频（RF）信道状态信息（CSI）进行被动式室内定位的机器学习（ML）新方法。WiCluster可在训练时不使用任何精确位置标签的情况下预测区域级位置与精确的2D或3D位置。先前基于CSI的室内定位工作依赖于使用数字信号处理（DSP）的非参数方法，以及近来出现的参数方法（如全监督ML方法）。然而这些方法不能很好地应对真实环境的复杂性，且无法满足大规模商业部署的要求：基于DSP的方法在非视距条件下精度显著下降，而监督式ML方法需要大量难以获取的厘米级精度位置标签。相比之下，WiCluster精度高，所需标签信息弱且易于采集，并在非视距条件下表现良好。我们的首要贡献是一种用于制图的新颖降维方法，它结合三元组损失与多尺度聚类损失将高维CSI表示映射至2D/3D潜空间。我们的第二大贡献是将该潜空间映射至笛卡尔地图的两种弱监督损失，从而得到米级精度位置结果。这些损失仅需易获取的先验信息：楼层平面图草图、近似接入点位置以及少量标注了楼层平面图中对应区域的CSI数据包。第三，我们报告了两栋单层办公楼中2D定位与一栋两层住宅中3D定位的结果及鲁棒性研究。