基于機器學習的室內射頻指紋定位技術研究

發(fā)布時間：2020-04-19 05:05

【摘要】：近年來,無線局域網絡的廣泛部署和移動智能設備的迅速普及為無線室內定位提供了便利條件。在眾多紛紜的定位技術中,射頻指紋技術由于具有精度高、成本低的優(yōu)點,吸引了越來越多的研究人員關注。但與此同時,室內電磁環(huán)境復雜,加之隨機因素過多,無疑會給射頻指紋定位的精度帶來影響,因此針對此問題,本文將機器學習引入射頻指紋定位中,嘗試提出新的算法以提高定位精度。在傳統(tǒng)的射頻指紋定位系統(tǒng)中,由于射頻信號受到多種因素的影響,尤其是在真實的大規(guī)模復雜室內環(huán)境中,指紋信號和地理位置之間對應的的數(shù)學模型難以構建。針對該問題,我們提出了一種基于七層神經網絡的射頻指紋方法。該方法先通過將原始的指紋信號輸入到四層的深度神經網絡中挖掘出射頻指紋中的潛在特征,然后再將該潛在特征輸入到一個三層的神經網絡中進行定位。由于挖掘的特征對于不同的物理空間具有更好的適應性,該射頻指紋定位系統(tǒng)在UJIINDOORLOC公開數(shù)據(jù)集上可以實現(xiàn)99%的定位準確率。其次,實驗結果表明,當選取的測試集采集時間比訓練集晚四個月時,定位準確度下降到72%,這說明,在基于機器學習的射頻指紋定位中,隨著時間的推移,定位精度快速下降。通過分析以RSSI為代表的射頻指紋隨時間變化的統(tǒng)計特征,發(fā)現(xiàn)在不同時間段內,射頻信號具有不同的數(shù)據(jù)分布,導致了定位系統(tǒng)的時效性較差。針對該問題,我們提出了兩種基于遷移機器學習的射頻指紋算法。一種是基于特征的遷移機器學習,該方法是通過挖掘離線指紋數(shù)據(jù)和在線指紋數(shù)據(jù)的潛在指紋特征來實現(xiàn)精確定位,因而具有更好的時間適應性。另一種則基于樣本的遷移機器學習,通過引入小部分新的指紋數(shù)據(jù)來改變原始指紋數(shù)據(jù)分布,從而提高定位精度。在UJIINDOORLOC公開數(shù)據(jù)集上的測試結果表明,當選取的測試集采集時間比訓練集晚四個月時,基于特征遷移機器學習的射頻指紋定位系統(tǒng),可以實現(xiàn)82%的定位準確率;基于樣本遷移機器學習的射頻指紋定位系統(tǒng),可以實現(xiàn)90%的定位準確率,均比直接訓練的模型的準確率有了顯著的提高。
【圖文】：

基于機器學習的室內射頻指紋定位技術研究