.png){kind=icon}
返回
A Semi-Supervised Indoor Localization Algorithm Based on Probabilistic Distribution Modeling
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3608276.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期无线技术的进步推动了基于无线信号的室内定位应用的发展。大多数现有方法使用$l_{2}$损失函数来建立输入数据与目标位置之间的关系，该方法假设预测位置与真实位置之间的残差服从固定标准差的高斯分布。然而，这种方法可能不符合实际分布，且缺乏对单个预测的置信度度量，可能导致精度下降。此外，在回归领域，由于缺乏可靠的方法来量化预测的不确定性，尤其是在标注数据稀缺的情况下，半监督学习（SSL）的应用仍相对较少。为解决这些挑战，我们开发了一种新的室内定位算法，采用概率分布建模。该方法专注于以信道冲激响应（CIR）为输入的室内定位，关键在于利用最大似然估计（MLE）将定位误差建模为高斯分布，并采用残差对数似然估计（RLE）捕捉任意误差分布。这使得我们能够提取每个预测的置信度，并将最可靠的结果作为伪标签用于未标注数据。通过采用概率分布建模，我们观察到相较于$l_{2}$损失函数，定位精度显著提升。此外，通过整合伪标签数据进行模型重训练，我们的算法在两个公开数据集上的评估中展现出优于现有基于机器学习和SSL方法的性能，验证了所提方法的有效性。
Keyword:
Indoor localization
semi-supervised learning
probabilistic distribution modeling
channel impulse response
maximum likelihood estimation
pseudo-labels
期刊
IF:
9.2
论文数:
5.8K
被引数:
1.8W
机构
引用论文
.png){kind=icon}
分享收藏An Accurate AoA Estimation Approach for Indoor Localization Using Commodity Wi-Fi Devices基于商用Wi-Fi设备的室内定位精确AoA估计方法
PREAI
分享收藏
查看更多内容