一个新的非接触式多用户在线室内定位策略,基于频道状态信息

科学领域:

• 无线通信和网络是无线的.
• 机器学习应用程序 机器学习应用程序
• 室内定位系统 室内定位系统

背景情况:

• 对于室内定位,IEEE 802.11bf WiFi正在出现.
• 多用户在线定位在真实无线环境中存在挑战.
• 准确的室内定位对于各种应用至关重要.

研究的目的:

• 提出一个优化的室内定位传感策略.
• 引入一种新的机器学习 (ML) 方法,NKCK,以提高定位精度.
• 与传统方法相比,评估NKCK方法的性能.

主要方法:

• 该NKCK方法集成了邻近组件分析 (NCA) 以减少维度,K-平均集群和K-最近邻居 (KNN) 分类与交叉验证 (CV).
• 使用频道状态信息 (CSI) 幅度指纹.
• 该战略包括一个优化的预处理步骤.

主要成果:

• 与各种传统方法相比,NKCK方法显示出显著的错误率降低.
• 实现的错误率降低包括82.4%与82.4%相比. 纯粹的贝斯,85.0%与随机森林相比,72.1%与支持矢量机器相比.
• 超过基于PCA和基于LDA的CSI振幅指纹的指纹方法.

结论:

• 与现有的技术相比,拟议的NKCK方法在室内定位方面提供了更高的性能.
• 该系统在复杂的无线环境中显示了多用户在线定位的前景.
• 需要进一步的研究,以解决探测动态人类活动的挑战,例如由于CSI敏感性的跟踪.