科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
