SAE-DSN:一种具有去噪能力的室内定位回归模型

摘要：

Wi-Fi指纹定位技术因其部署成本低、实用性强等优点被广泛应用,但接收信号强度(RSS)的波动给定位带来了一定的挑战.现有的定位方法只考虑了离线阶段指纹数据的去噪问题,而没有考虑在线阶段指纹数据噪声对定位的影响,当在线阶段收集到的指纹数据噪声过大时,将严重影响定位精度.为此,本文提出一种基于稀疏自编码器(SAE)和深度收缩网络(DSN)的室内定位回归模型,该模型使用稀疏自编码器提取指纹数据的鲁棒特征,同时将软阈值算法作为可训练的收缩函数嵌入到全连接网络中,为每个神经元进行去噪处理,有效减少了在线阶段指纹数据噪声的干扰.实验表明,提出的模型能够有效应对在线阶段高斯和非高斯噪声的干扰,相较于其它同类方法在定位精度上有明显提升.

关键词：Wi-Fi指纹、室内定位、RSS、全连接神经网络、软阈值算法

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;广西创新驱动重大专项项目;广西重点研发计划项目;广西创新驱动发展专项项目

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2255-2261