科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，室内定位一直是一个研究热点，其在诸多领域发挥着重要的作用。但现有的室内定位方法存在着很多不足，例如，需要部署大量基础设施，使得成本过高；室内环境复杂，使得定位不准确等。为了解决上述问题，提出了一种基于残差网络的地磁室内定位方法，以解决室内环境的区域性定位问题。该方法无须部署额外的基础设施，仅依托于智能手机内置地磁传感器采集地磁信息，与使用传统设备进行室内定位的方法相比，更加的适用于居家功能区的判别，在居家养老、医疗看护等多领域有着重要作用。此室内区域定位算法使用手机内置传感器进行采样，为了使手机姿态的变化不影响地磁三轴数据，需要同时采集陀螺仪三轴数据。方法使用连续采样方式进行数据采集，可以更加方便、快捷的获取地磁以及陀螺仪数据信息。同时使用滑动均值滤波来对数据进行平滑处理，从而降低噪声的干扰。将采样得到的数据进行一系列的处理，最后得到每组数据为：6×32×32。方法将室内定位问题看作一个多分类问题，采用的网络模型以ResNet-18为基础，对其进行了一定的改良与优化，使其更加适合本算法。定位算法通过Pytorch实现训练，最终获得区域预测模型。相对于传统的室内定位方法，如基于KNN的地磁定位算法，基于蓝牙技术定位算法等，该方法采用深度学习中的残差网络进行建模，与传统机器学习算法相比，深度学习算法的数据驱动特征学习和其对复杂、高度非线性函数建模的能力，使它们的性能显著的优于经典机器学习算法，更具有实现简单，定位更加准确等特点。本方法使用地磁数据作为特征，与蓝牙等技术相比，地磁具有不需要任何基础设施，实施简单等特点，只需一部智能手机就可以轻松实现。通过实验，将训练集输入区域预测模型中，该模型的识别准确率高达98.9%，与其他深度学习定位算法相比，展现出了更高的准确性与鲁棒性。
- 单位
