GC-Loc：基于图注意力的无基础设施信号协作室内定位框架

室内定位技术在增强众多室内基于位置的服务（LBS）方面发挥着基础性作用，并展现出巨大的社会和商业价值。广泛使用的基于指纹的室内定位方法通常存在离散信号指纹特征区分度低或连续信号指纹收集时间开销高的问题。为了解决这一问题，我们引入协作机制并提出了一种基于图注意力的协作室内定位框架，称为 GC-Loc，为高效室内定位提供了另一个视角。GC-Loc 利用多个用户收集的离散信号指纹作为协作定位的输入。具体而言，我们首先构建自适应图表示，以有效建模协作指纹之间的关系。然后，以最先进的 GAT 模型为基本单元，我们设计了具有残差结构和层次注意力机制的深度网络，以从构建的图中提取和聚合特征进行协作定位。最后，我们在 GC-Loc 中进一步采用集成学习机制，并设计了基于模型共识的位置细化策略，以增强 GC-Loc 的稳健性。我们在三个不同的试验点进行了大量实验，实验结果表明 GC-Loc 的优越性，在减少平均定位误差超过 42% 方面显著优于比较方案。