Localisation intérieure basée sur le CSI et utilisant des réseaux neuronaux d'ensemble.

Résumé La localisation intérieure a attiré beaucoup d'attention en raison de ses applications indispensables, comme la conduite autonome, l'Internet des objets (IOT), le routage, etc. L'indicateur de force du signal reçu (RSSI) a été utilisé de manière intensive pour réaliser la localisation. Cependant, en raison de son instabilité temporelle, l'attention s'est portée sur l'utilisation de l'information sur l'état du canal (CSI) ou réponse du canal. Dans cet article, nous proposons une solution d'apprentissage profond pour le problème de la localisation à l'intérieur des bâtiments en utilisant l'information sur l'état du canal d'une antenne MIMO (Multiple Input Multiple Output) 2 × 8. La variation de la composante de magnitude de l'ICS est choisie comme entrée pour un réseau neuronal de type Perceptron multicouche (MLP). L'augmentation des données est utilisée pour améliorer le processus d'apprentissage. Enfin, plusieurs réseaux neuronaux MLP sont construits en utilisant différentes parties de l'ensemble d'apprentissage et différents hy- perparamètres. Une technique de réseau neuronal d'ensemble est ensuite utilisée pour traiter les prédictions des MLP afin d'améliorer l'estimation de la position. Notre méthode est comparée à deux autres solutions d'apprentissage profond, l'une utilisant un réseau neuronal convolutif (CNN) et l'autre un MLP. La méthode proposée offre une meilleure précision que ses homologues.