.png){kind=icon}
返回
Enhancing cellular network-based localisation using CNN-CellImage method
.png){kind=icon}
PRE
AI
DOI：10.1504/IJAHUC.2026.152537.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于位置的服务（LBS）在日常生活应用中至关重要。然而，基于GPS的定位技术通常存在高功耗、增加硬件成本以及在信号微弱或被干扰环境下性能不可靠的问题。基于蜂窝网络的定位利用现有的移动基础设施，提供了实用的替代方案。在前期工作中，我们开发了使用接收信号强度（RSS）收集和处理蜂窝信息数据集的方法，并评估了传统的定位方法，如质心法、加权质心法、线性回归、支持向量回归、多层感知机和指纹识别法。本研究提出了一种名为CNN-CellImage的新型技术，该技术将RSS和地理蜂窝关系转换为图像数据，以供卷积神经网络处理。使用在多个环境和多天收集的21155个测量数据集，我们的方法实现了119.7米的平均定位误差，显著优于Cell-ID、质心法和其他机器学习方法。这些结果表明CNN-CellImage在基于蜂窝网络的精确且鲁棒定位方面具有有效性。
Keyword:
cellular network-based localisation
cell information
received signal strength
radio signal fingerprint
CNN
期刊
IF:
0.7
论文数:
42
被引数:
317
机构
引用论文
暂无论文信息