基于迁移学习提高WiFi室内定位中信道状态信息指纹库的鲁棒性

来源：电子与信息学报杂志2023年第10期北京时间：

作者：李玉柏, 孙迅

单位：电子科技大学信息与通信工程学院 成都 611731

摘要：基于信道状态信息(CSI)数据的WiFi指纹可用于室内定位。与信号强度值(RSSI)数据相比，CSI具有更高的数据信息粒度，并且可以在多个子载波上获得。当使用CSI数据进行室内定位时，相对于RSSI可以获得更好的结果。然而，无论使用RSSI还是CSI信号，在室内定位部署期间的一段时间后，室内环境通常会发生变化，并且基于测试数据的指纹数据库通常会恶化甚至失效。该文提出使用迁移学习算法来建立用于室内定位的指纹数据库。迁移学习的优势在于，可以使用较少的数据来获得更好的迁移训练结果。该文使用迁移学习来迁移指纹数据库的预测，延长指纹数据库的生命周期，并提高室内定位的鲁棒性。经过实验，1周后室内定位准确率保持在98%，两周后保持在97%。在相同成本下，该模型的生命周期和定位精度高于长短期记忆网络(LSTM)、卷积神经网络(CNN)、支持向量机(SVM)、深度神经网络(DNN)和其他定位系统。

关键词：无线传感器网络, 室内定位, 指纹定位, 信道状态信息, 迁移学习

基金资助：四川省重点研发计划(23ZDYF0198)