贝叶斯增强的元定位：高效训练与室内定位的增强泛化
摘要：基于贝叶斯最优元学习的定位框架(BOML-Loc)在不同环境中具有很强的泛化能力。相比之前的MetaLoc算法，BOML-Loc采用了贝叶斯方法，减少了大量训练数据的需求，降低了过拟合的风险。即使在训练任务有限的情况下，BOML-Loc仍能保证鲁棒的定位效果和优秀的泛化性能。在LOS和NLOS环境中，基于现场勘测数据，BOML-Loc优于现有模型，展现出更高的定位准确性和更低的过拟合风险。
作者：Dongze Wu, Jun Gao, Feng Yin, Sergios Theodoridis
论文ID：2308.14824
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-30