基于CNN活动识别辅助PDR室内定位算法

作者：冯描芬; 余敏^*; 薛峰

来源：传感器与微系统, 2020, 39(04): 118-120+128.

DOI：10.13873/J.1000-9787(2020)04-0118-03

• 室内定位
• 卷积神经网络
• 活动识别
• WiFi-PDR
• 特征点

针对传统WiFi-行人航迹推算(PDR)定位算法中WiFi信号提供的初始位置存在误差及PDR也存在累积误差等因素导致定位精度下降的问题,提出了一种基于卷积神经网络(CNN)的活动识别辅助PDR室内定位算法。在实验区域布置若干接入点(AP),在特征区域得出的AP信号强度阈值RSSIθ作为触发器,当移动设备检测到信号强度(RSSI)大于RSSIθ时,则触发该算法,判断用户是否在特征区域内活动,是否与当前特征点活动匹配;若匹配,则将此时位置校正为当前特征点所属位置,否则继续PDR定位。实验结果表明:相较于传统WiFi-PDR算法,该算法在特征点处定位精度提高了33. 5%,且整体定位精度提高了24. 6%。

• 单位
  江西师范大学