arrow
返回

WiT: Wireless Tracking With Dual-Modality Transformers

delete2025-11-27
delete0
PRE
AI
X
Xiaopeng Zhao
G
Guosheng Wang
杨
杨磊 (Lei Yang)
DOI:10.1109/TMC.2025.3636924delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
基于深度学习的无线室内定位已成为解决实际部署挑战的有前景方案。然而,现有研究仍严重依赖高质量训练样本,且易受环境动态影响。为解决这些问题,我们引入WiT模型,该模型通过整合射频(RF)信号和惯性测量单元(IMU)读数来稳健追踪移动设备位置。WiT通过跨模态验证提升精度,减轻环境波动的影响。我们实现了基于历史信息的追踪方法以解决不同模态间的同步问题。此外,提出半监督训练方法以减少对地面真实标签的需求。我们在包含约170万个样本、涵盖54种场景的大规模数据集上训练并验证WiT。结果表明,WiT优于现有最佳方案,在射频识别(RFID)、Wi-Fi和蓝牙低功耗(BLE)模态上实现至少30%的改进。此外,结合IMU和BLE模态的输入相比单模态输入,精度提升近50%。
Keyword:
Indoor localization
transformer
IMU
deep learning
modality fusion

期刊

IEEE Transactions on Mobile Computing 封面图
IEEE Transactions on Mobile Computing
IF:
9.2
论文数:
5.8K
被引数:
1.8W

机构

T
the hong kong polytechnic university
学者数:
5.3K
论文数: 2.9K
被引数: 0
引用论文

引用论文

mD-Track
err2019-08-05
err0
errOAAI
errYaxiong Xie; Jie Xiong; Mo Li; Kyle Jamieson
err分享
err收藏
BLoc
err2018-12-04
err0
PREAI
errRoshan Ayyalasomayajula; Deepak Vasisht; Dinesh Bharadia
err分享
err收藏
RF-IDraw
err2014-08-17
err0
PREAI
errJue Wang; Deepak Vasisht; Dina Katabi
err分享
err收藏
End-to-End Object Detection with Transformers使用Transformers进行端到端对象检测
err2020-11-03
err0
PREAI
errNicolas Carion; Francisco Massa; Gabriel Synnaeve; Nicolas Usunier; Alexander Kirillov; Sergey Zagoruyko
err分享
err收藏
Experience
err2022-10-14
err0
PREAI
errYuming Hu; Feng Qian; Zhimeng Yin; Zhenhua Li; Zhe Ji; Yeqiang Han; Qiang Xu; Wei Jiang
err分享
err收藏
err分享
err收藏
学者 查看更多内容