基于域自适应的Wi-Fi指纹设备无关室内定位模型

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。