基于深度学习的室内定位
文章平均质量分 87
基于深度学习的室内定位
weixin_42963026
这个作者很懒,什么都没留下…
展开
-
6.28 Wi-Fi指纹库在大规模多建筑多楼层室内定位中的使用与构建——以UJIIndoorLoc数据库为例
(1) 本文研究背景是室内定位在无线通信和移动设备快速发展的背景下,尤其是基于Wi-Fi指纹的大规模多建筑多楼层室内定位。(2) 过去的研究方法主要基于已有的Wi-Fi指纹数据库进行算法开发和性能评估,但这些数据库在构建和维护方面存在挑战。(3) 本文研究方法是通过对UJIIndoorLoc数据库的案例研究,分析其统计特性,并提出改进现有数据库和构建新数据库的建议。(4) 本文的方法在揭示UJIIndoorLoc数据库存在的问题方面取得了成果,并给出了未来数据库设计的方向。原创 2024-04-06 12:43:00 · 805 阅读 · 0 评论 -
19.2 DeepMetricFi:基于深度度量学习改进Wi-Fi指纹定位
Wi-Fi RSSI指纹定位方法以其可靠的定位精度和无处不在的基础设施而成为室内定位的主流解决方案之一。其基本假设是基于无线电波传播模型,通过信号距离来估计室内环境的定位距离。然而,由于室内环境的影响,如多径效应,估计可能会失败。虽然最近的方法利用机器学习技术来提高信号距离的表示,但大多数方法忽略了指纹采集所处的室内环境的空间信息。文中提出了一种基于深度度量学习的Wi-Fi RSSI指纹定位方法。原创 2024-03-02 22:08:06 · 1241 阅读 · 0 评论 -
MapFi:面向室内定位的Wi-Fi基础设施自主地图构建
CSI Wi-Fi 室内定位原创 2024-03-02 21:05:51 · 409 阅读 · 0 评论 -
6.8 基于Wi-Fi指纹的大规模室内定位分层辅助深度神经网络架构
深度神经网络(DNNs)在多建筑物、多楼层室内定位中的常规应用是基于三维位置坐标(如经度、纬度和海拔高度(如楼层高度))的纯回归,位置标签的分类(如建筑物、楼层和房间信息),或标签和坐标(如建筑物、楼层信息和二维位置坐标)的混合分类/回归,然而,没有考虑室内定位数据固有的分层辅助信息(例如,建筑物-楼层-位置)。这种传统的DNNs应用在建筑物和楼层数量较大的大规模室内定位中面临可扩展性问题。将分类任务作为辅助网络插入到回归神经网络中,提出了一种新的框架,称为。原创 2023-10-27 00:30:56 · 178 阅读 · 1 评论 -
5.11 (2023)EA-CNN:一种基于Wi-Fi指纹和深度学习的智能室内3D定位方案
提出了一种将极限学习机自编码器(extreme learning machine autoencoder, ELM-AE)与二维CNN相结合的模型原创 2023-10-27 00:08:03 · 688 阅读 · 2 评论 -
14.1 基于Wi-Fi指纹的多楼多层室内定位可扩展深度神经网络架构
交大利物浦——可扩展WiFi室内定位原创 2023-10-26 22:09:03 · 192 阅读 · 0 评论 -
16.3_StoryTeller:可扩展的建筑和ap独立的基于深度学习的楼层预测
由于最近室内基于位置的服务的激增,对精确的楼层估计技术的需求比以往任何时候都高,这种技术易于在任何典型的多层建筑中部署。目前试图解决地板定位问题的方法包括基于传感器的系统和3D指纹。然而,这些系统会产生很高的部署和维护开销,并且存在传感器漂移和校准问题,并且/或者不是所有用户都可用。在本文中,我们提出了StoryTeller,一种基于深度学习的多层建筑楼层预测技术。原创 2023-10-26 21:30:49 · 57 阅读 · 0 评论