基于测量的训练方法，用于提高无设备定位的准确性

《IEEE Transactions on Human-Machine Systems》：Measurement-based training method for enhancing device-free localization accuracy

　　

摘要：

无设备定位（Device-Free Localization, DFL）是一种适用于智能环境和灾难响应的有前景的技术，因为它能够在不需要用户携带无线设备的情况下实现非侵入式跟踪。无线电层析成像（Radio Tomographic Imaging, RTI）通过利用目标对无线链路产生的阴影效应来实现精确的DFL。该方法使用基于体素的地图对锚节点之间的链路路径进行建模，并通过叠加阴影路径来估计目标位置，而无需预先进行环境测量或特征提取。然而，其鲁棒性能在很大程度上取决于模型参数的选择。由于确定这些参数需要大量的校准工作，因此高效的校准程序对于实际应用至关重要。为了解决这个问题，本文提出了一种基于测量的训练策略，用于贝叶斯优化的多路径RTI，并研究了不同训练点配置对定位性能的影响。在25个室内位置的实验评估表明，所提出的策略能够在不同的空间条件下实现稳定且可泛化的定位性能，同时减少了校准工作量。