室内定位中设备异构性的域自适应方法(英文)
Domain adaptive methods for device diversity in indoor localization作者机构:东南大学移动通信国家重点实验室
出 版 物:《Journal of Southeast University(English Edition)》 (东南大学学报(英文版))
年 卷 期:2019年第35卷第4期
页 面:424-430页
核心收录:
学科分类:0810[工学-信息与通信工程] 08[工学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0805[工学-材料科学与工程(可授工学、理学学位)] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:The National Key Research and Development Program of China(No.2018YFB1802400) the National Natural Science Foundation of China(No.61571123) the Research Fund of National M obile Communications Research Laboratory,Southeast University(No.2020A03)
主 题:无线局域网 室内定位 指纹 设备异构性 迁移学习 相关对齐
摘 要:为解决不同终端之间射频特性的变化问题,借助迁移学习将室内定位系统的设备异构性问题转化为领域适应性问题,提出了一种复杂度低的基于相关对齐和集成学习的室内定位算法-相关对齐定位(CALoc).该算法只需要将实时指纹与离线指纹的二阶统计特性进行对齐.这种实时定位的在线校准方法很大程度上消除了在线指纹库与离线指纹库的设备异构性.该算法无需任何耗时的深度学习重新训练过程,在线定位只需要0.11 s.实际场景的实验结果表明,CALoc与其他传统算法相比取得了显著的性能提高,定位精度平均优化提高了19%.