基于转移学习改进低开销指纹的室内定位算法研究

基于指纹定位算法,为了降低在离线状态目标域的站点测量开销而提高定位的准确性,提出一种通过减少离线训练开销,但是不影响定位精度的基于转移学习(TL)框架的室内定位算法。其基本原理是,根据源域的知识转移重构目标域中的数据分布,使得属于同一个簇的数据在逻辑上彼此接近,而剩余数据则彼此分开。基于TL的框架由2部分组成:度量学习和度量转移,分别用于从源域学习距离度量,并分别为目标域确定最合适的度量。最后利用仿真实验结果证明了基于TL框架定位系统的有效性。