GATE：基于移动嵌入式设备的实时边缘构建图注意力神经网络用于鲁棒室内定位
📌 一、研究背景与挑战
1.1 室内定位的重要性
- 应用场景：智能家居、AR/VR、机器人导航、紧急救援等。
- 市场价值：2024年全球市场规模达119亿美元，持续增长。
1.2 Wi-Fi RSS指纹定位的优势与挑战
- 优势：无需额外硬件、兼容性好、部署成本低。
- 挑战：
- 环境噪声：墙体、家具、人体遮挡导致RSS波动。
- 设备异构性：不同手机的Wi-Fi芯片、天线、固件差异大，导致同位置RSS差异显著。
1.3 现有方法的局限性
| 方法类型 | 代表模型 | 局限性 |
|---|---|---|
| 传统ML | KNN、SVM、DNN、CNN | 假设RSS噪声为欧几里得分布，忽略空间拓扑，难以泛化 |
| 图神经网络（GNN） | GNN-KNN、GCN-ED、GCLoc |