典型文献
基于域自适应的Wi-Fi指纹设备无关室内定位模型
文献摘要：
基于Wi-Fi指纹定位方法在大规模实际应用中存在设备多样性问题,定位精度受到极大影响.提出了一种设备无关的Wi-Fi指纹室内定位模型DeviceTransfer.该模型基于深度学习的域自适应理论,把智能手机的设备类型作为域,通过对抗训练来提取任务相关而设备无关的Wi-Fi数据特征,并把学习到的源域位置信息迁移到目标域上.采用预训练和联合训练来提高模型训练的稳定性并加快收敛.在教学楼和商场2个真实场景中,使用4台不同型号的智能手机验证模型的性能.实验结果表明,DeviceTransfer能够有效提取设备无关的Wi-Fi数据特征.只使用一台手机在参考点采集Wi-Fi指纹,使用其他型号手机在线定位也能获得较高的定位精度,降低了定位成本.
文献关键词：
设备多样性;Wi-Fi指纹定位;室内定位;域自适应;深度学习
中图分类号：
作者姓名：
赵增华;童跃凡;崔佳洋
作者机构：
天津大学智能与计算学部,天津 300350
文献出处：
引用格式：
[1]赵增华;童跃凡;崔佳洋-.基于域自适应的Wi-Fi指纹设备无关室内定位模型)[J].通信学报,2022(04):143-153
A类：
设备多样性,DeviceTransfer
B类：
域自适应,Wi,Fi,设备无关,室内定位,定位模型,指纹定位,定位方法,定位精度,自适应理论,智能手机,对抗训练,数据特征,源域,位置信息,信息迁移,目标域,预训练,联合训练,模型训练,快收敛,教学楼,商场,真实场景,不同型号,验证模型,有效提取,提取设备,一台,参考点,号手
AB值：
0.331701
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
