[LBS] DeepLoc - 一种准确且低开销的室外基站定位系

2022-04-10  本文已影响0人  nlpming

1. 简介

2. DeepLoc系统结构

接收到基站信号塔数量及概率值.png

2)网格生成模块(Grid Generator): 主要用于在收集的指纹数据上生成网格,每个网格中收集的指纹数据当做训练样本用于构建深度模型。其中网格的大小,是一个可调参数用于控制定位精度和计算复杂度。

网格生成.png

3)数据增强模块(Data Augmenter): 主要用于处理收集的GPS位置和基站rssi值噪声样本,通过此模块能够增加一部分训练样本并且能够提升模型的鲁棒性。
4)定位模型训练模块(Model Trainer Module): 主要负责神经网络模型的训练,模型的输入是所有信号塔的rssi值;模型的输出是所有网格的概率值。
5)位置估计模块(Location Estimator Module): 位置估计模块使用训练好的神经网络模型,预测每个网格的概率,之后通过这个概率值作为权重,结合每个网格中心坐标位置,预测用户最终的定位坐标。

DeepLoc系统架构.png

3. 模型详细说明

3.1 数据增强模块(Data Augmenter)

Spatial Augmenter模块.png Scan Augmenter模块.png

3.2 模型训练模块(Model Trainer)

DeepLoc模型结构.png

3.3 在线用户位置估计

网格预估概率.png
计算最终用户坐标.png

4. 效果评估

参考资料

上一篇 下一篇

猜你喜欢

热点阅读