XJTLUIndoorLoc：基于 Wi-Fi 接收信号强度与地磁场的室内定位与轨迹估计新指纹数据库
机器学习
2018-10-18 v1 信号处理
机器学习
摘要
在本文中，我们提出了一个新的位置指纹数据库，该数据库包含在中国苏州西交利物浦大学一栋多层建筑中使用多种设备测量的 Wi-Fi 接收信号强度（RSS）与地磁场强度。我们还基于该数据库，利用卷积神经网络（CNN）与长短期记忆（LSTM）网络给出了定位与轨迹估计的初步结果。对于定位，我们将一个参考点的 RSS 数据映射为类图像的二维数组，然后应用在图像与视频分析识别中流行的 CNN。对于轨迹估计，我们使用改进的随机路点模型高效生成模拟人行走的连续步进轨迹，并用生成的数据训练一个堆叠的双层 LSTM 网络，以记忆地磁场强度相对于 (x,y) 坐标的变化模式。实验结果证明了我们新数据库的有用性，以及基于 CNN 和 LSTM 利用该数据库进行定位与轨迹估计的可行性。
引用
@article{arxiv.1810.07377,
title = {XJTLUIndoorLoc: A New Fingerprinting Database for Indoor Localization and Trajectory Estimation Based on Wi-Fi RSS and Geomagnetic Field},
author = {Zhenghang Zhong and Zhe Tang and Xiangxing Li and Tiancheng Yuan and Yang Yang and Meng Wei and Yuanyuan Zhang and Renzhi Sheng and Naomi Grant and Chongfeng Ling and Xintao Huan and Kyeong Soo Kim and Sanghyuk Lee},
journal= {arXiv preprint arXiv:1810.07377},
year = {2018}
}
备注
7 pages, 16 figures, 3rd International Workshop on GPU Computing and AI (GCA'18)