基于多阶段特征融合的跨模态室内定位方法

摘要

多模态融合定位虽能在一定程度上弥补单一地磁或Wi-Fi定位的缺陷，但定位精度严重受制于不同模态间的特征异质性。针对该问题，提出一种基于多阶段特征融合的跨模态室内定位模型Mam Loc。构建以Mamba选择性状态空间模型为核心并引入层归一化与残差连接设计的特征提取单元Mamba Block，用于学习地磁和Wi-Fi中隐含的位置关联信息。设计基于多头注意力的跨模态特征融合机制与多阶段特征融合方法，在特征提取的不同阶段分2次融合地磁与Wi-Fi特征，逐步构建跨模态的初级与高级融合表示。同时，通过多头注意力进一步学习跨模态融合特征与单模态特征的关联信息，增强跨模态融合特征的辨识度，降低模态异质性对定位精度的影响。实验结果表明，Mam Loc基于地磁和Wi-Fi的融合定位精度较单一地磁、Wi-Fi定位精度分别相对提升了13.8%、58.7%，并且Mam Loc的定位精度相比基于迁移学习的CNN-LSTM定位方法与基于MLP的定位方法分别相对提升了13.7%、25.2%。

关键词

室内定位 / 多模态 / 模态异质性 / 跨模态融合

基金资助

内蒙古自治区自然科学基金项目（2022MS06029）