基于深度学习的WiFi指纹室内定位方法

摘要：

针对基于接收信号强度指示(RSSI)的WiFi指纹室内定位方法存在定位精度较低的问题,论文提出一种基于深度学习的WiFi指纹室内定位方法.该方法首先建立RSSI指纹数据库,训练卷积神经网络(CNN)与长短期记忆网络(LSTM)结合的神经网络模型,然后对待定位点的RSSI实测数据进行卡尔曼滤波处理,并将滤波后的RSSI数据输入网络模型估计待定位点的初步位置;最后结合RSSI指纹库,按照欧氏距离找出与待定位点RSSI最接近的三个参考节点,将其坐标与初步的估计位置坐标进行加权后,得到精度更高的估计位置.仿真及实测结果表明,在中小型室内场所内,论文所提方法有85％的定位误差在0.5m以内,能获得较低的平均定位误差,相比现有方法,在定位精度及稳定性方面均有所提高.

关键词：室内定位、RSSI、深度学习、卷积神经网络、长短期记忆网络

所属期刊栏目：50

分类号：TM743(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;陕西省自然科学基础研究计划一般项目;陕西省自然科学基础研究计划一般项目

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2485-2489,2508