期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于孪生图卷积神经网络的小样本迁移学习室内指纹定位 认领 引用 被引量：1
1
作者 施政 顾浩 +4 位作者 黄浩 王禹 夏文超 赵海涛 朱洪波 《物联网学报》 2025年第4期62-76,共15页
基于射频信号的室内定位技术是第六代无线通信系统中的重要研究方向之一。随着人工智能的发展,基于深度学习的室内指纹定位方法在定位性能上得到了显著提升。然而,这类方法仍面临以下挑战,包括射频数据采集时间长、标注成本高,导致现有... 基于射频信号的室内定位技术是第六代无线通信系统中的重要研究方向之一。随着人工智能的发展,基于深度学习的室内指纹定位方法在定位性能上得到了显著提升。然而,这类方法仍面临以下挑战,包括射频数据采集时间长、标注成本高,导致现有深度学习算法在不同场景下的环境泛化能力差。针对该问题,提出了一种基于孪生图卷积神经网络(Siamese GCN,siamese graph convolutional network)的小样本迁移学习室内指纹定位方法。该技术结合Siamese GCN模型与基于最大均值差异的领域自适应方法,仅需在当前环境中采集少量信道状态信息样本,即可复用其他环境中已训练好的模型权重,从而显著降低新环境下的数据采集与标注成本。为验证所提方法的有效性,在实验室和走廊两个典型的室内场景下采集了真实的环境数据。实验结果表明,所提的迁移学习方法在仅使用30%的标注样本的情况下,仍能实现较好的定位性能。 展开更多
关键词 孪生图卷积神经网络 室内定位 迁移学习 信道状态信息
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈