基于小波分组分解与知识蒸馏的FM定位方法-WK-Pnet
信号处理
2025-04-11 v1
摘要
在传统卫星系统面临限制的环境中（如室内或城市峡谷），准确且高效的定位至关重要。本文引入WK-Pnet，一个基于FM的室内定位框架，结合小波分组分解（WPD）和知识蒸馏。WK-Pnet利用WPD从FM信号中提取丰富的时间频率特征，然后通过深度学习模型进行精确定位。为解决计算需求，采用知识蒸馏，将高容量模型的洞见传递给简化的学生模型，在不牺牲准确性的前提下显著降低复杂度。跨多样化环境的实验结果验证了WK-Pnet在定位精度和计算要求方面的优势，使其成为实时资源受限应用的可行解决方案。
引用
@article{arxiv.2504.07399,
title = {WK-Pnet: FM-Based Positioning via Wavelet Packet Decomposition and Knowledge Distillation},
author = {Shilian Zheng and Quan Lin and Peihan Qi and Luxin Zhang and Xinjiang Qiu and Zhijin Zhao and Xiaoniu Yang},
journal= {arXiv preprint arXiv:2504.07399},
year = {2025}
}