Lessons From Deploying Learning-Based CSI Localization on a Large-Scale ISAC Platform

Tianyu Zhang

doi:10.1109/JIOT.2025.3633282

2026-01-13

PRE

DOI：10.1109/JIOT.2025.3633282

原文链接

原文求助

摘要

En 中文

近年来，信道状态信息（CSI）因其精细的空间特性而备受关注，在基于WiFi的室内定位中吸引了越来越多的关注。然而，尽管其具有潜力，基于CSI的方法尚未达到与基于接收信号强度指示（RSSI）的方法相同的部署规模和商业化水平。一个关键限制在于，大多数现有的基于CSI的系统是在受控的小规模环境中开发和评估的，这限制了其泛化能力。为了弥合这一差距，我们在集成感知与通信（ISAC）范式下，探索在一个真实建筑中部署一个涉及超过400个接入点（APs）的大规模基于CSI的定位系统。我们强调了两个关键但常被忽视的因素：未标记数据利用不足和CSI测量的固有异构性。为解决这些挑战，我们提出了一种新颖的基于CSI的学习框架，用于WiFi定位，该框架专为服务器端的大规模ISAC部署设计。具体而言，我们采用一种新颖的图结构来建模异构CSI数据并减少冗余。此外，我们设计了一个预文本预训练任务，该任务整合了空间和时间先验，以有效利用大规模未标记CSI数据。作为补充，我们引入了一种置信度感知的微调策略，以增强定位结果的鲁棒性。在一个跨越五层楼、面积达25 600 m²的“留一智能手机”实验中，我们实现了2.17 m的中值定位误差和99.49%的楼层识别准确率。这一性能相较于最佳基线方法，将平均绝对误差（MAE）降低了18.7%。

Keyword:

Channel state information (CSI)

indoor localization

Integrated Sensing and Communication (ISAC)

pretraining-finetuning framework

WiFi localization