科研之友
微信
新浪微博
Facebook
分享链接
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.
