.png){kind=icon}
返回
A Dynamic Updating-Based RSSI Fingerprint Localization Algorithm Using TabNet and Transfer Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/JIOT.2026.3657826.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网应用的广泛部署依赖于既准确又可持续的室内定位系统。然而，传统的接收信号强度指示（RSSI）指纹识别方法在动态环境中易受信号波动影响，且需要昂贵的手动更新以维持长期性能。为解决这些挑战，本文提出了一种集成TabNet和迁移学习（TL）的动态室内定位框架。首先部署少量参考点，并利用行人航位推算（PDR）和克里金插值高效构建离线指纹数据库，显著减少人工工作量。随后训练基于TabNet的定位模型以学习非线性RSSI–位置映射，同时缓解信号不稳定性。此外，引入可靠性评估机制以识别高置信度在线位置估计，并通过TL将其纳入持续更新定位模型，无需额外数据收集。实验结果表明，所提方法优于现有最先进的定位方法，并保持长期稳定性能，20天后均方根误差增幅仍低于0.2 m。
Keyword:
Indoor localization
pedestrian dead reckoning (PDR)
received signal strength indication (RSSI) fingerprinting
TabNet
transfer learning (TL)
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
Precise step counting algorithm for pedestrians using ultra-low-cost foot-mounted accelerometer基于超低成本足部安装加速度计的行人精确步数计数算法
PREAI
分享收藏Radio Environment Map Construction Using Super-Resolution Imaging for Intelligent Transportation Systems.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏分享收藏Advance Path Loss Model for Distance Estimation Using LoRaWAN Network's Received Signal Strength Indicator (RSSI)IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容