Indoor localization with transfer learning
Author(s)
Date
2022-08-29Source Title
Signal Processing and Communications Applications Conference (SIU)
Print ISSN
2165-0608
Publisher
IEEE
Pages
[1] - [4]
Language
Turkish
Type
Conference PaperItem Usage Stats
16
views
views
8
downloads
downloads
Abstract
Indoor positioning methods aim to estimate positions of transmitters where the GPS signals are unavailable. These systems usually employ algorithms explicitly trained for a single location such as fingerprinting method. For that reason, they can only be used in a particular location. This restriction prevents the use of the fingerprint method in tasks such as search and rescue operations where there is no prior knowledge of the place. A fingerprinting system using a trained algorithm with data collected from many places can work in multiple places. This paper proposes an indoor positioning system that uses the parameters of a pre-trained neural network trained with the data obtained from finite difference time domain simulations with transfer learning without collecting large amounts of data. The initial parameters for the model to be trained with the received signal strength (RSS) data collected from real places are used as be the parameters of the artificial neural network trained with the aforementioned simulation data. Performance results of the trained model are comparable to the results of the works in which fingerprinting method is employed in a single environment. İç mekanlarda konum belirleme yöntemleri GPS
sinyalinin kullanılamadıgı yerlerde vericilerin konumunu tahmin
etmeyi amaçlar. Bu sistemlerde genellikle parmakizi yöntemi gibi
bir mekana özel egitilmiş algoritmala kullanılır. Dolayısıyla bu tür
yöntemler belirli bir mekanda kullanılmaktadır. Bu kısıtlama,
parmakizi metodunun arama kurtarma çalışmaları gibi mekan
hakkında ön bilginin olmadıgı görevlerde kullanımına engel teşkil
etmektedir. Birçok mekandan toplanmış veriler ile eğitilmiş bir
algoritmanın kullanıldığı bir parmakizi sistemi farklı mekanlarda
da çalışabilir. Bu çalışma, yüksek miktarda veri toplamadan,
zamanda sonlu farklar simülasyonu verileriyle önceden eğitilmiş
bir yapay sinir ağınının parametrelerini öğrenme aktarması ile
kullanan bir iç mekan konumlandırma sistemi önermektedir.
Gerçek mekanlardan toplanmış alınan sinyal gücü (RSS) verileriyle eğitilecek model için başlangıç parametreleri, bahsi geçen
simülasyon verileriyle egitilmiş yapay sinir ağının parametreleri
olarak kullanılmaktadır. Eğitilen modelin performans sonuçları,
tek mekanda parmakizi yöntemi ile konumlandırma yapılan
çalışmalardaki sonuçlar ile karşılaştırılabilir düzeydedir.
Keywords
Received signal strengthIndoor localization
Fingerprinting
Artificial neural networks
Transfer learning
Finite difference time domain
Alınan sinyal gücü
İç mekan konumlandırma
Parmakizi yöntemi
Yapay sinir ağı
Öğrenme aktarması
Zamanda sonlu farklar