强大的磁性指纹定位在复杂的室内环境使用Res-T-LSTM
1School of Architecture, Soochow University, Suzhou 215008, China.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
这项研究引入了一种新的ResNet-Transformer-LSTM (Res-T-LSTM) 模型,用于准确的室内磁性指纹定位. 该模型实现0.21m的低平均误差,在具有挑战性的环境中增强基于位置的服务.
科学领域:
- 室内定位系统 室内定位系统
- 地质物理学和地震学.
- 计算机科学 计算机科学
背景情况:
- 室内基于位置的服务由于WiFi的局限性而面临挑战.
- 磁性指纹提供了一个互补的解决方案,但与环境动态和序列变化作斗争.
- 现有的方法缺乏对磁性指纹序列扭曲的稳定性.
研究的目的:
- 开发一种基于磁性指纹的先进定位模型,适应环境动态.
- 为了提高室内定位系统的准确性和稳定性.
- 为了应对序列拉伸,压缩和磁数据扭曲所带来的挑战.
主要方法:
- 剩余网络 (ResNet) 的整合,用于深度局部特征提取.
- 适用具有自我注意力的变压器模块用于远程依赖性建模.
- 使用长短期记忆 (LSTM) 网络来捕捉时间动态.
- 拟议的模型名为Res-T-LSTM,结合了这些深度学习架构.
主要成果:
- 该Res-T-LSTM模型在四种不同的智能手机携带姿势中表现出高性能.
- 实现了0.21米的非常低的平均定位误差.
- 成功地缓解了与序列拉伸,压缩和扭曲相关的问题.
结论:
- 基于磁性指纹的室内定位,Res-T-LSTM模型提供了一个强大而准确的解决方案.
- 集成ResNet,变压器和LSTM有效地处理复杂的室内环境和动态条件.
- 这种方法显著提高了室内基于位置的服务的可靠性.
