20-WWW-FiDo Ubiquitous Fine-Grained WiFi-based Localization for Unlabelled Users via Domain Adaptati

我们提出了一种基于WiFi的域自适应系统FiDo，该系统能够使用来自一个或两个示例用户的标记数据来本地化许多不同的用户。 Fido包含两个模块：1）一个数据增幅器，它使用变分自动编码器（VAE）引入数据分集； 2）域自适应分类器，使用联合分类重构结构将自身调整为新收集的未标记数据。 与现有技术相比，FiDo将平均F1得分提高了11.8％，将最坏情况下的准确性提高了20.2％。
Challenge 1: It is unrealistic to create a comprehensive fingerprint database that covers all possible users. To address Challenge 1, FiDo utilizes a data augmenter to generate synthetic fingerprints that are similar to yet different from the collected ones. This augmenter uses Variational Autoencoders (VAEs) to summarize the statistical features of the WiFi fingerprints. It then generates synthetic fingerprints, which are samples from the random distribution described by the statistical features. By doing the above steps, FiDo augments the fingerprints collected from a small group of example users (e.g., one or two) to a large group of virtual users, and thus is able to cover more users
基于WiFi的位置指纹的主要缺点在于它们在不同人群之间的不一致。 例如，如图2所示，一个高个子的人阻止了WiFi传播路径0，而一个矮个子的人则阻止了WiFi传播路径0。 同时，大人物吸收路径1上的更多信号功率，而小人物吸收更少的信号功率。 结果，WiFi传播特性（在此示例中，我们使用CSI幅度）在不同人群之间差异很大，即使他们站在同一位置。 根据一个用户的数据进行训练，本地化系统很可能会对其他看不见的用户产生可怕的影响。

数据增广器和域自适应器
每一个vae只生成一个固定位置的数据，通过随机正太分布来生成，合成数据比原始数据大十倍