.png){kind=icon}
返回
Leveraging Channel Charting for Localization With Weakly Supervised Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/lwc.2026.3717651.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
信道图谱（CC）是一种自监督学习技术，旨在构建信道测量的低维表示，同时保留用户的邻接关系。本文提出了一种借助CC的基于机器学习的无线电定位方法，该方法充分利用仅从信道测量中提取的差异性。为此，采用了一种受物理原理启发的混合模型结构，该结构通过一个以信道图谱初始化的计算高效的两层神经网络实现。训练过程采用弱监督方法，结合：1）通过信道差异性指标保持相对用户邻接关系的Siamese网络架构，以及2）具有真实位置注释的一组有限的锚点来建立绝对位置参考。该方法在真实信道数据上进行了实证验证，与基准方法相比，实现了令人鼓舞的定位精度。
Keyword:
Channel charting
localization
machine learning
neural network
期刊
I
IF:
5.5
论文数:
867
被引数:
0
机构
引用论文
Feng, X.; Nguyen, K.A.; Luo, Z. A Survey on Data Augmentation for WiFi Fingerprinting Indoor Positioning. IEEE Sens. Rev. 2025, 2, 246–264. [Google Scholar] [CrossRef]Feng, X.; Nguyen, K.A.; Luo, Z. WiFi指纹室内定位中数据增强技术的综述. IEEE Sens. Rev. 2025, 2, 246–264. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏A Survey of Enabling Technologies for Network Localization, Tracking, and Navigation网络定位、跟踪和导航使能技术综述
OAAI
OAAI分享收藏
查看更多内容