基于二维卷积神经网络的无线局域网室内定位系统

摘要：

为改善现有无线局域网(wireless fidelity,WIFI)室内定位算法的精度与复杂度问题,提出了一种基于二维卷积神经网络(2D-convolutional neural network,2D-CNN)的WIFI室内定位算法.该算法将在线阶段的复杂性转移到离线阶段,在线阶段中仅使用2D-CNN网络进行训练;在离线阶段中,采集定位区域各采集点可接收到的所有无线接入点(access point,AP)的接受信号强度(received signal strength indicator,RSSI)值,并根据其计算峰值,二者结合构成位置指纹图像.再使用滑动窗口进行数据集扩充,最后将其引入到2D-CNN网络模型中进行训练,建立定位模型并完成定位.实验结果表明,在当前室内环境中,该算法的平均定位精度达99.58%,证实了不同参数、优化算法及模型架构选择的正确性.

关键词：室内定位、深度学习、卷积神经网络(CNN)、接受信号强度(RSSI)、图像分类

所属期刊栏目：23

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;内蒙古自治区高等学校科学研究项目

在线出版日期：2023-10-20（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：12168-12174