基于自注意力的无监督室内定位信号异常检测

TP399; 基于射频信号的室内指纹定位技术,以其精度高、部署成本低等优点被广泛运用于室内定位领域.室内信号环境的变化会直接影响定位精度.深度神经网络也用于时序数据异常检测,在此基础上,提出了一种基于自注意力机制的无监督室内定位信号异常检测模型.训练模型的输入是易获得的正常信号环境下无位置标签的指纹数据.该模型的注意力模块关注提取指纹数据中不同信号来源之间的相互关联,结合关联误差和重构误差来放大正常与异常的可区分性,从而提升室内定位信号检测的精度.在实验室采集的蓝牙信号数据集和一个公开的Wi-Fi数据集UJIIndoorLoc中进行性能评估,实验结果表明,与其他算法相比,所提模型具有最好的异常检测性能.