根据RSSI分析在BLE环境中估计室内定位的Denoising自编码器的自适应方案

科学领域:

• 无线通信是一种无线通信.
• 信号处理 信号处理
• 室内本地化 室内本地化

背景情况:

• 使用接收信号强度指标 (RSSI) 进行室内定位是具有挑战性的,原因是反射和折射引起的信号噪声.
• 在RSSI中的噪音可以随着距离的增加而呈指数级增大,从而影响定位的准确性.
• 现有的方法很难有效地减轻RSI信号中的距离依赖噪声.

研究的目的:

• 通过降低蓝牙低能 (BLE) RSSI信号中的噪声来提高室内定位性能.
• 开发一种适应式噪声生成方案,用于训练一种无噪声自编码器 (DAE) 模型.
• 随着设备之间的距离增加,提高信号噪声比 (SNR).

主要方法:

• 使用一个拒绝自编码器 (DAE) 来处理和拒绝来自BLE信号的RSSI数据.
• 拟议的适应性噪声生成方案用于训练DAE,模拟噪声随距离的指数加剧.
• 将DAE模型的性能与高斯噪声模型和其他本地化算法进行比较,包括卡尔曼波器.

主要成果:

• 实现了72.6%的定位精度,比高斯噪声训练的DAE模型提高了10.2%.
• 与传统的卡尔曼过器相比,它展示了优越的除能力.
• 适应式噪声生成有效地适应了RSSI信号退化的特点.

结论:

• 为DAE提出的适应性噪声生成方案显著提高了BLE信号的室内定位精度.
• 这种方法有效地解决了RSSI测量的距离依赖噪声的挑战.
• 具有自适应噪声生成的DAE模型为强大的室内定位系统提供了有前途的解决方案.