嗯啊好粗c在线,红桃视频一区二区三区

1. 簡(jiǎn)介

DeepLoc發(fā)表在2018年SIGSPATIAL會(huì)議上。GPS是大家所熟知的定位服務(wù)，但是GPS對(duì)于一些低端的手機(jī)不支持，并且需要與衛(wèi)星進(jìn)行交互，會(huì)很快的將手機(jī)的電池耗干凈。DeepLoc系統(tǒng)是利用基站的信號(hào)對(duì)用戶進(jìn)行定位，是一種基于深度學(xué)習(xí)的室外定位系統(tǒng)。最終在城市和鄉(xiāng)村環(huán)境實(shí)驗(yàn)，DeepLoc獲得了一個(gè)比較好的定位精度，城市環(huán)境18.8m，農(nóng)村環(huán)境15.7m。

2. DeepLoc系統(tǒng)結(jié)構(gòu)

DeepLoc系統(tǒng)主要包括以下幾個(gè)組成部分：
1）指紋收集模塊(Fingerprint Collector)： 主要用于離線基站指紋收集。收集的信息包括，當(dāng)前定位經(jīng)緯度(lng,lat）、當(dāng)前定位的置信度(confidence)、當(dāng)前位置手機(jī)收集到的基站id和其信號(hào)強(qiáng)度rssi。最多收集強(qiáng)度最高的7個(gè)基站信號(hào)。

接收到基站信號(hào)塔數(shù)量及概率值.png

2）網(wǎng)格生成模塊(Grid Generator)： 主要用于在收集的指紋數(shù)據(jù)上生成網(wǎng)格，每個(gè)網(wǎng)格中收集的指紋數(shù)據(jù)當(dāng)做訓(xùn)練樣本用于構(gòu)建深度模型。其中網(wǎng)格的大小，是一個(gè)可調(diào)參數(shù)用于控制定位精度和計(jì)算復(fù)雜度。

網(wǎng)格生成.png

3）數(shù)據(jù)增強(qiáng)模塊(Data Augmenter)： 主要用于處理收集的GPS位置和基站rssi值噪聲樣本，通過此模塊能夠增加一部分訓(xùn)練樣本并且能夠提升模型的魯棒性。
4）定位模型訓(xùn)練模塊(Model Trainer Module)： 主要負(fù)責(zé)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，模型的輸入是所有信號(hào)塔的rssi值；模型的輸出是所有網(wǎng)格的概率值。
5）位置估計(jì)模塊(Location Estimator Module)： 位置估計(jì)模塊使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)每個(gè)網(wǎng)格的概率，之后通過這個(gè)概率值作為權(quán)重，結(jié)合每個(gè)網(wǎng)格中心坐標(biāo)位置，預(yù)測(cè)用戶最終的定位坐標(biāo)。

其中模塊1,2,3,4屬于離線模型訓(xùn)練階段，模塊5屬于在線用戶定位階段。

DeepLoc系統(tǒng)架構(gòu).png

3. 模型詳細(xì)說明

3.1 數(shù)據(jù)增強(qiáng)模塊(Data Augmenter)

訓(xùn)練數(shù)據(jù)的質(zhì)量和大小，往往影響深度模型的分類準(zhǔn)確率。數(shù)據(jù)增強(qiáng)模塊的目標(biāo)是處理輸入噪聲數(shù)據(jù)，并且生成一些新的訓(xùn)練樣本，增加訓(xùn)練數(shù)據(jù)大小，減少數(shù)據(jù)手機(jī)開銷并增加系統(tǒng)的魯棒性。DeepLoc有兩個(gè)數(shù)據(jù)增強(qiáng)模塊：Spatial Augmenter用于處理GPS定位坐標(biāo)的噪聲，Scan Augmenter用于處理手機(jī)的rss數(shù)據(jù)噪聲。兩個(gè)模塊都能夠增加一定的訓(xùn)練樣本。
下圖為Spatial Augmenter模塊說明，其使用了定位的置信度(confidence)，以定位坐標(biāo)為中心，置信度為半徑換出的圓如果與某個(gè)網(wǎng)格相交，則將當(dāng)前的樣本同事用于這些網(wǎng)格中(也就是同時(shí)增加幾條樣本)。

Spatial Augmenter模塊.png

下圖為Scan Augmenter模塊，通過對(duì)掃描到的基站信號(hào)強(qiáng)度進(jìn)行屏蔽處理，增加訓(xùn)練樣本。即接收到的信號(hào)強(qiáng)度向量，乘以一個(gè)mask向量，得到一個(gè)新的信號(hào)強(qiáng)度向量。

Scan Augmenter模塊.png

3.2 模型訓(xùn)練模塊(Model Trainer)

模型的輸入是， $M$ 個(gè)基站的信號(hào)強(qiáng)度值(rssi)，如果沒有掃描到對(duì)應(yīng)的基站，則其接收信號(hào)強(qiáng)度設(shè)置為0；模型的輸出是每個(gè)網(wǎng)格(共 $K$ 個(gè)網(wǎng)格)的分類概率，是一個(gè)多分類問題。輸出層使用softmax激活函數(shù)，是的所有網(wǎng)格的分類概率和為1。
DeepLoc訓(xùn)練過程中使用dropout放置模型過擬合，損失函數(shù)使用交叉熵?fù)p失函數(shù)。