计算机科学

计算机科学››2024,第51卷››问题（5）: 277-283.数字对象标识：1896年10月10日/jsjkx.230300137

•计算机网络• 以前的文章   下一篇文章

基于迁移学习的动态室内定位算法

王家豪1，傅义夫1，海南丰1、任玉恒2  

  1. 1电子科技大学信息与软件工程学院，成都610051
    2白俄罗斯共和国明斯克白俄罗斯国立大学商学院，邮编：220071
  • 收到：2023-03-16 修订过的：2023-06-30 在线：2024-05-15 出版：2024-05-08
  • 关于作者：王家豪，1978年生，博士，副教授，中国共产党党员（编号：27769M）。他的主要研究兴趣包括物联网、信息安全和数据挖掘。
    傅逸夫，1998年生，硕士，中共党员（No.67870G）。他的主要研究兴趣包括室内定位、迁移学习和数据挖掘。
  • 支持单位：
    电子科技大学-直小经智能家居联合研究中心（H04W210180）、内江市科技孵化转化基金（2021KJFH004）、重点研发计划-高新技术领域重点研发项目（2022YFG0212）、四川省科技支撑计划（2021YFG0024）。

PDF（PC）

69

摘要：随着智能家居的发展，基于Wi-Fi信号的定位技术也得到了广泛的研究。在实际应用中，室内定位算法所采集的训练数据和测试数据通常不来自相同的理想条件。各种环境条件和信号漂移的变化会导致训练数据和测试数据之间的概率分布不同。现有的定位算法在面对这些不同的概率分布时无法保证稳定的精度，导致室内定位算法的定位精度大大降低，且不可行。考虑到这些困难，在过去的研究中，转移学习中的领域自适应技术被证明是解决不一致概率分布问题的一个很有前景的解决方案。本文将领域自适应学习和机器学习算法相结合，提出了一种基于特征转移的室内定位算法TL-GLMA。TL-GLMA通过特征转移将两个域的原始数据映射到高维空间，以最小化两个域之间的分布差异，保持局部几何特性。此外，由于映射的数据是独立的且分布一致的，TL-GLMA可以使用它来训练分类器，以获得更好的定位结果。实验结果表明，TL-GLMA可以有效地减少环境变化带来的干扰，提高定位精度。

关键词： 室内位置， Wi-Fi信号， 环境适应， 转移学习， 域适应

CLC编号：

  • TP393型
[1] IRSAN F A S，AMINAH N S，DJAMAL M.RSSI-WIFI基于支持向量机（SVM）的室内位置跟踪系统[C]//2022电气、计算机、通信和机电工程国际会议（ICECCME）。IEEE，2022:1-5。
[2] XUE W，HUA X，LI Q，et al.一种新的基于RSSI不均匀空间分辨率的室内定位加权算法[J]。IEEE接入，2018，6:25658-26595。
[3] JEDARI E，WU Z，RASHIDZADEH R，et al.基于Wi-Fi的室内定位，采用随机森林分类器[C]//2015国际室内定位与导航会议（IPIN）。IEEE，2015年1月5日。
[4] YANG Z，ZHOU Z，LIU Y.从RSSI到CSI：通过信道响应进行室内定位[J]。ACM计算调查（CSUR），2013,46（2）：1-32。
[5] 王旭，高磊，毛泽东，等。基于CSI的室内定位指纹识别：一种深度学习方法[J]。IEEE车辆技术汇刊，2016，66（1）：763-776。
[6] 宋琦，郭S，刘X，等。基于NB-IoT振幅指纹的室内定位[J]。IEEE物联网杂志，2017,5（3）：1494-1504。
[7] 张毅，QU C，王毅.利用LSTM的特征优化机制实现基于CSI的室内定位方法[J]。IEEE传感器杂志，2020,20（9）：4868-4878。
[8] 张伟，刘凯，张伟，等.室内外无线定位的深度神经网络[J]。神经计算，2016194:279-287。
[9] 陈Z，邹H，杨继发，等.基于局部特征的深度LSTM的WiFi指纹室内定位[J]。IEEE系统杂志，2019,14（2）：3001-3010。
[10] 唐X，唐X，郝Z，等.一种基于CSI和Wi-Fi信号的无设备室内定位方法[J]。传感器，2019,19（14）：3233。
[11] CAI C，DENG L，ZHENG M，et al.PILC：基于卷积神经网络的被动室内定位[C]//2018通用定位、室内导航和基于位置的服务（UPINLBS）。IEEE，2018:1-6。
[12] PANS，TSANGI，KWOKJ，等.基于转移成分分析的领域适应[J]。IEEE神经网络汇刊，2011,22（2）：199-210。
[13] 尹毅，杨霞，李鹏，等.基于细粒度子载波信息的动态室内环境传递学习定位[J]。传感器，2021,21（3）：1015。
[14] LONG M，WANG J，DING G，等.基于联合分布自适应的传递特征学习[C]//IEEE计算机视觉国际会议论文集.2013:2200-2207。
[15] 王杰，陈毅，郝S，等.迁移学习中的均衡分布自适应[C]//2017 IEEE国际数据挖掘会议（ICDM）。IEEE，2017年：1129-1134。
[16] 孙B，冯J，SAENKO K.令人沮丧的简单域适配回归[C]//AAAI人工智能会议论文集.2016。
[17] 王杰，陈毅，于赫，等。利用域内结构进行轻松迁移学习[C]//2019 IEEE多媒体与博览会国际会议（ICME）。IEEE，2019:1210-1215。
[18] 郭X，王磊，李磊，等.基于全局和局部结构一致性约束的转移知识辅助定位[J]。IEEE接入，2019,7:32102-32117。
[19] 李华，赵明.基于混合域转移学习的室内定位[J]。IEEE接入，2020,8:130527-130539。
[20] 于聪，王杰，陈毅，等.基于动态对抗自适应网络的迁移学习[C]//2019 IEEE数据挖掘国际会议（ICDM）。IEEE，2019:778-786。
[21]朱毅，庄芳，王杰，等.用于图像分类的深子域自适应网络[J]。IEEE神经网络和学习系统汇刊，2020,32（4）：1713-1722。
[22]BORGWARDT K M，GRETTON A，RASCH MJ等。通过核最大均值差异整合结构化生物数据[J]。生物信息学，2006，22（14）：e49-e57。
[23]BEN-DAVID S，BLITZER J，CRAMMER K，等.领域适应表征分析[J]。神经信息处理系统进展，2006,19（1）：137-144。
[24]蒋M，黄伟，黄Z，等.通过降维实现领域自适应学习的全局和局部度量集成[J]。IEEE控制论汇刊，2015,47（1）：38-51。
[1] JING Yeyiran，YU Zeng，SHI Yunxiao，LI Tianrui。基于伪标签的无监督领域自适应人员再识别研究综述[J] ●●●●。计算机科学，2024，51（1）：72-83。
[2] 杨林，杨健，蔡浩然，刘聪。基于迁移学习的越南语语音合成[J] ●●●●。计算机科学，2023，50（8）：118-124。
[3] 崔福伟、吴萱萱、陈玉凤、刘健、徐金安。知识集成领域自适应方法综述[J] ●●●●。计算机科学，2023，50（8）：142-149。
[4] 王天然、王琦、王青山。基于迁移学习的跨对象手语手势识别方法[J] ●●●●。计算机科学，2023，50（6A）：220300232-5。
[5] 胡明阳、郭艳、金仰双。PSwin：基于Swin变换的边缘检测算法[J] ●●●●。计算机科学，2023，50（6）：194-199。
[6] 张启阳、陈喜良、曹磊、莱军、盛磊。深度强化学习中的知识转移方法综述[J] ●●●●。计算机科学，2023，50（5）：201-216。
[7] 王晓飞、范雪强、李章伟。基于转移学习和多视图特征融合的RNA碱基相互作用预测[J] ●●●●。计算机科学，2023，50（3）：164-172。
[8] 胡忠元、薛瑜、贾家杰。进化递归神经网络综述[J] ●●●●。计算机科学，2023，50（3）：254-265。
[9] 唐君坤、张辉、张周权、吴天岳。基于任务相关特征分离网络的无监督域自适应图像分类[J] ●●●●。计算机科学，2023，50（11A）：230100068-8。
[10] 方一秋、张振坤、葛俊伟。基于自注意机制和迁移学习的跨领域推荐算法[J] ●●●●。计算机科学，2022，49（8）：70-77。
[11] 王俊峰、刘凡、杨赛、吕丹玉、陈志佑、徐峰。基于多源传递学习的大坝裂缝检测[J] ●●●●。计算机科学，2022，49（6A）：319-324。
[12] 彭云聪、秦晓林、张立革、顾永祥。图像分类的少快照学习算法综述[J] ●●●●。计算机科学，2022，49（5）：1-9。
[13] 谭振琼、姜文军、于延纳、张吉、于佩特德兴、李晓红。基于二分图的个性化学习任务分配[J] ●●●●。计算机科学，2022，49（4）：269-281。
[14] 邹洁革、刘晓明、蔡兵。基于图像块和特征融合的室外图像天气识别[J] ●●●●。计算机科学，2022，49（3）：197-203。
[15] 张树明、于增、李天瑞。跨域文本的可传递情感分析方法[J] ●●●●。计算机科学，2022，49（3）：218-224。
已查看
全文


摘要

引用
  共享   
  讨论   
找不到建议阅读的文章！
渝国际比较项目16013121？-4
地址：中国重庆市渝北区洪湖西路18号邮编：401121
电话：023-63500828/023-67039612/023-67039623
电子邮件：jsjkx12@163.com
技术支持北京美格科技有限公司。