10.3979/j.issn.1673-825X.2020.03.003
基于3DCNN的CSI-cluster室内指纹定位算法
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.
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
32
TN92
国家自然科学基金 61372058
2020-06-30(万方平台首次上网日期,不代表论文的发表时间)
共11页
345-355