基于神经网络的Wi-Fi指纹定位方法 室内定位
1College of Electrical Information, Wuhan Institute of Technology, Wuhan 430205, China.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
这项研究引入了一个新的Wi-Fi室内定位模型,使用卷积神经网络和3D射线跟踪. 它大大减少了数据收集时间,并实现了高精度,解决了资源限制.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 信号处理 信号处理
背景情况:
- 室内Wi-Fi定位对于基于位置的服务至关重要.
- 传统的指纹采集方法需要大量的,耗时的数据收集.
- 资源的局限性阻碍了准确的室内定位的广泛采用.
研究的目的:
- 开发一种新的室内本地化模型,简化数据收集.
- 为了提高Wi-Fi室内定位的准确性和效率.
- 克服与传统方法相关的资源限制.
主要方法:
- 使用指纹技术与卷积神经网络 (CNN) 相结合.
- 采用3D射线追踪技术来模拟接收信号强度强度 (RSSI).
- 在通过模拟生成的RSSI热图指纹数据集上训练CNN模型.
主要成果:
- 拟议的模型大大减少了数据收集所涉及的时间和劳动力.
- 在模拟的真实场景中达到高达99.09%的验证准确性.
- 证明了该模型在克服资源限制方面的有效性.
结论:
- 基于CNN的室内定位模型提供了一个高效和准确的解决方案.
- 3D射线追踪模拟有效生成RSSI指纹数据集.
- 这种方法提高了Wi-Fi室内定位的可行性和性能.


