基于3DCNN的CSI-cluster室内指纹定位算法

摘要：

针对室内环境中复杂的多径效应影响定位精度问题,提出一种基于3维卷积神经网络(3 dimensional conv-olutional neural network,3DCNN)多径程度划分的自校准指纹定位算法.该算法利用MeanShift方法分析定位区域内每一个采样点的信道状态信息数据分布特性,得到其可代表多径效应程度的簇类数量,结合阈值原则将指纹库划分为2种不同多径程度的子库,从而减少多径程度差异较大的指纹点对后续定位影响利用3DCNN深度学习2类指纹子库.在定位阶段,根据校准算法判断待测数据所属子库,并采用相应的3DCNN模型估计位置.通过仿真实验验证,该方法在保证指纹库构建合理性和高效性的同时,在定位精度方面实现了明显的提升,优于与之对比的相关算法.

关键词：室内定位、信道状态信息、多径效应、指纹子库、3维卷积神经网络

所属期刊栏目：32

分类号：TN92

资助基金：国家自然科学基金 61372058

在线出版日期：2020-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：345-355