利用有限的蜂窝信息实现无处不在且开销低的楼层识别

《ACM Transactions on Spatial Algorithms and Systems》：Ubiquitous and Low-Overhead Floor Identification with Limited Cellular Information

单基站信号楼层识别系统通过深度生成模型优化实现，解决多基站依赖难题，准确率达98.7%，数据需求减少70%，模型体积缩减10倍。

　　

摘要

由于对基于位置的室内服务（尤其是紧急响应服务）的需求不断增加，楼层识别技术受到了广泛关注。最近，利用蜂窝信号进行楼层识别变得尤为重要，因为蜂窝技术已经无处不在。然而，所有现有的系统都需要同时从多个蜂窝基站获取信息，而这在大多数手机上是无法实现的，从而严重限制了这些系统的部署能力。

我们提出了 UniCellular，这是一种无处不在且易于部署的楼层识别系统。UniCellular 是首个仅通过服务蜂窝基站接收到的信号强度信息就能满足监管机构精度要求的系统。它通过一系列信号测量来克服仅使用服务基站时信息有限的问题。我们的系统解决了影响精度和部署能力的多种挑战，包括蜂窝数据噪声、过拟合、数据收集开销以及适用于移动设备部署的问题。此外，UniCellular 运用了深度生成模型的最新进展，以提高系统对未见噪声数据的鲁棒性并减少数据收集开销。我们在多个真实测试环境中进行了广泛的实验，验证了 UniCellular 的有效性：仅使用服务基站时，它正确识别用户所在楼层的准确率高达 98.7%，相比现有的基于蜂窝技术的系统提高了 310%。而且，即使训练数据减少 70%，UniCellular> 仍能符合监管要求。UniCellular 在模型大小上实现了超过一个数量级的缩减，从而在提供通用、高效且实用解决方案的同时，展现了其卓越的性能，同时满足了监管要求。