WiFi无设备目标跟踪模型

定位精度提升64%

利用深层时空神经网络融合RSSI与CSI特征，实现高精度无设备目标跟随。

Ching-Lan, Chen · Ko, Chunhsien · Wu, Sau Hsuan · Heng-Shih, Tseng · Chang, Ronald Y.

Journal of Signal Processing Systems 2023

参数信息

平均定位精度

0.773 m

精度相对提升

64 %

技术优势

精度更高

相比典型方法，平均定位精度提升64%，误差从2.164米降至0.773米。

无需目标携带设备

目标无需携带任何设备，仅依赖环境中已有的WiFi信号即可实现跟踪，降低了部署和使用门槛。

深度融合时空特征

设计的深度时空神经网络能够学习RSSI和CSI的多分辨率空间与时间特征，提升定位鲁棒性。

应用场景

• 室内定位：在室内环境中利用WiFi信号实现高精度定位，无需额外部署专用设备。
• 无设备感知：利用环境WiFi信号感知目标位置，被跟踪者无需携带任何设备。
• 目标跟踪：对无设备目标进行连续位置估计，支持移动场景下的实时跟随。
• 智能跟随：让移动设备根据目标位置自动调整运动轨迹，实现智能跟随。
• 人机交互：通过无设备跟踪捕捉人体位置，为智能交互提供输入，避免用户佩戴传感器的不便。