结合自适应锚点调度的资源高效室内自监督跟踪

《Science China-Information Sciences》：Self-supervised resource-efficient indoor tracking with adaptive anchor scheduling

　　**摘要**无线室内定位与跟踪系统通常隐式地假设所有锚点持续可用。然而，在带宽和能量受限的条件下，这一假设往往并不现实。在有限的无线资源下，跟踪系统必须在定位精度与感知和通信开销之间取得平衡。因此，锚点调度至关重要，因为它使系统能够仅激活最具信息量的锚点，从而在精度与资源之间实现更好的权衡。本文提出了一种用于联合跟踪与锚点调度的自监督框架，首先利用一种物理引导的深层状态空间模型，在无需真实轨迹的情况下推断目标位置和不确定性。基于所学到的潜在表示，我们进一步设计了一种基于演员-评论家架构的强化学习调度器，主动为未来的测距选择一组信息量大且符合资源预算的锚点。在真实超宽带数据集上的实验表明，所提方法的平均绝对定位误差为 0.458 米，优于经典滤波器和基于学习的基线方法。通过仅激活 8 个锚点中的 3 个，所提方法将测距请求数量减少了 62.5%。补充的设备级测量进一步表明，该调度策略将通信延迟从 449.93 毫秒降低至 196.40 毫秒，降幅达 56.35%。