无设备人体追踪系统的择优标签方法

针对现有人体追踪系统追踪误差大、硬件部署对环境改变大和用户佩戴设备不方便等问题,提出基于择优标签的无设备人体追踪方法.采集人体在不同位置上的射频(RF)功率信号,分析人体所在位置与功率信号之间的关系.为了减缓信号不稳定性对系统的影响,提取射频功率信号的特征作为模型训练的数据集.利用信号特征建立不同的深度学习模型,对比不同训练方式下的追踪效果和标签用量,选择合适的模型结构和训练方式.分析实验结果,给出普适性意见和最优标签选择方法的具体步骤.实验表明,基于择优标签方法的定位系统是可行的,其中跟踪误差为0.19 m,与表现较好的WallSense系统相比,跟踪误差降低约5 cm,标签量降低66.7%.基于择优标签方法的定位系统明显降低了标签部署对环境的影响,在保证精度的情况下,减少了标签冗余.