16.5 DarLoc:基于深度学习和数据特征增强的鲁棒室内磁定位

文献来源:

Wang Q, Jia J, Deng Y, et al. DarLoc: Deep learning and data-feature augmentation based robust magnetic indoor localization[J]. Expert Systems with Applications, 2024, 244: 122921.

摘要:

由于地磁场的普遍性,基于磁场的室内定位方法受到了广泛的关注,并且不需要额外的基础设施。然而,现有方法仍然面临着设备类型、行人持有姿态和移动速度等因素造成的异质性问题。为了解决这个问题,本文提出了一种新的基于深度学习和数据特征增强的磁性定位框架(DarLoc)。首先,采用方向不敏感的磁信号提取方法去除序列中的直流分量,以消除不同保持姿态和不同移动设备带来的影响;其次,提出了新颖的数据增强和特征增强方法来提取速度信息的特征,从而解决了不同移动速度带来的多尺度序列问题;最后,提出了一种深度多尺度时空学习模型,用于同时提取增强序列的空间和时间特征,并对具有不同移动速度和姿态的人进行鲁棒定位。在长达14个月的时间里,研究人员对189名志愿者使用4种不同的移动设备和多种移动速度进行了广泛的实验,以评估DarLoc的性能。实验结果表明:(1)DarLoc算法在恒定和可变移动速度场景下的平均定位精度分别为0.47 m和0.56 m;(2)与现有定位方法相比,DarLoc的定位精度分别提高了约41%和60%。

相关推荐
AAA小肥杨3 分钟前
Mac 从零开始配置 VS Code + Claude/Codex AI 协同开发环境教程
人工智能·macos·ai·mcp
深度学习lover13 分钟前
<数据集>yolo纸板缺陷识别数据集<目标检测>
python·深度学习·yolo·目标检测·计算机视觉·数据集
OAFD.14 分钟前
YLOLv4
人工智能·计算机视觉·目标跟踪
java1234_小锋26 分钟前
TensorFlow2 Python深度学习 - 循环神经网络(GRU)示例
python·深度学习·gru·tensorflow2
新加坡内哥谈技术1 小时前
解决了“错误的问题”:对AI编程热潮的深度反思
人工智能
渡我白衣1 小时前
未来的 AI 操作系统(八)——灵知之门:当智能系统开始理解存在
人工智能·深度学习·opencv·机器学习·计算机视觉·语言模型·人机交互
夕小瑶2 小时前
Dexmal 原力灵机开源 Dexbotic:具身智能的“Transformers“库来了
大数据·人工智能
飞飞是甜咖啡2 小时前
SPP-CNN解决CNN只能处理固定大小的输入图片
人工智能·神经网络·cnn
xiaoxiaode_shu2 小时前
神经网络基础
人工智能·深度学习·神经网络
小小爱大王2 小时前
AI 编码效率提升 10 倍的秘密:Prompt 工程 + 工具链集成实战
java·javascript·人工智能