室内定位中设备异构性的域自适应方法

摘要

为解决不同终端之间射频特性的变化问题,借助迁移学习将室内定位系统的设备异构性问题转化为领域适应性问题,提出了一种复杂度低的基于相关对齐和集成学习的室内定位算法-相关对齐定位(CALoc).该算法只需要将实时指纹与离线指纹的二阶统计特性进行对齐.这种实时定位的在线校准方法很大程度上消除了在线指纹库与离线指纹库的设备异构性.该算法无需任何耗时的深度学习重新训练过程,在线定位只需要0.11 s.实际场景的实验结果表明,CALoc与其他传统算法相比取得了显著的性能提高,定位精度平均优化提高了19%.