结合CNN和WiFi指纹库的室内定位算法
为了提高基于WiFi的室内定位的精度和降低计算时间,本文提出一种卷积神经网络(Convolutional Neural Networks,CNN)结合传统指纹库的室内定位算法.该算法基于接收信号强度指示(Received Signal Strength Indication,RSSI)数据,首先利用卷积神经网络模型,根据实时输入数据预判出待测点的初步位置.在保证了大范围预测的位置大概率正确的前提下,再结合传统指纹库中的指纹点,确定出精确度更高的最终预测位置.实验结果表明,在时效性达到要求的前提下,累计误差在1 m以内的定位精度约有65%,累计误差在1.5 m以内的定位精度约有85%,且误差较为稳定.
室内定位、数据处理、RSSI、指纹库、卷积神经网络
29
山东省重点研发计划 ;山东省重大科技创新工程
2020-07-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
173-179