AI駆動型単一リンクWi-Fiを用いたデシメートル級屋内測位：適応的クラスタリングと確率的マルチパス緩和

科学分野:

• 人工知能
• 無線通信
• 屋内測位

背景:

• 複雑な屋内環境は、マルチパス干渉と信号ダイナミクスにより、測位に課題をもたらします。
• 既存のWi-Fi測位手法は、実世界のシナリオでの精度と堅牢性に苦労しています。
• 信頼性の高い屋内測位のための適応的かつ教師なしのAI技術の必要性。

研究 の 目的:

• Wi-Fiチャネル状態情報（CSI）を使用した高精度屋内測位のためのAI駆動型フレームワークを開発すること。
• 複雑なマルチパス環境での堅牢性と精度を向上させること。
• 汎用ハードウェアでのリアルタイム展開を可能にすること。

主な方法:

• 適応的かつ教師なしのAIモジュールを測位パイプラインに統合しました。
• 非見通し線（NLOS）条件のための最小ノルムと確率重み付けの洗練を組み合わせた、改良された2段階到達時間（TOF）推定。
• 到来角（AOA）シーケンスの教師なし時空間クラスタリングのための適応的パラメータ調整DBSCAN。

主要な成果:

• Widar2.0データセットで平均測位誤差0.63mのデシメートル級精度を達成しました。
• 精度と効率において、Widar2.0およびDynamic-MUSICなどの既存手法を上回る優れたパフォーマンスを示しました。
• マルチパス干渉を効果的に抑制し、測位の曖昧さを解消しました。

結論:

• 提案されたAIフレームワークは、Wi-Fi CSIを使用した屋内測位のための堅牢で正確なソリューションを提供します。
• インテリジェントで軽量なアーキテクチャは、汎用ハードウェアでのリアルタイムアプリケーションに適しています。
• 人体追跡、スマートビルディングナビゲーション、位置認識AIなどのアプリケーションに大きな可能性を秘めています。