基于二维卷积神经网络的无线局域网室内定位系统

作者：张天颖; 史明泉^*; 崔丽珍; 秦岭

来源：科学技术与工程, 2023, 23(28): 12168-12174.

• 室内定位
• 深度学习
• 卷积神经网络(CNN)
• 接受信号强度(RSSI)
• 图像分类

为改善现有无线局域网(wireless fidelity, WIFI)室内定位算法的精度与复杂度问题，提出了一种基于二维卷积神经网络(2D-convolutional neural network, 2D-CNN)的WIFI室内定位算法。该算法将在线阶段的复杂性转移到离线阶段，在线阶段中仅使用2D-CNN网络进行训练；在离线阶段中，采集定位区域各采集点可接收到的所有无线接入点(access point, AP)的接受信号强度(received signal strength indicator, RSSI)值，并根据其计算峰值，二者结合构成位置指纹图像。再使用滑动窗口进行数据集扩充，最后将其引入到2D-CNN网络模型中进行训练，建立定位模型并完成定位。实验结果表明，在当前室内环境中，该算法的平均定位精度达99.58%,证实了不同参数、优化算法及模型架构选择的正确性。

• 单位
  内蒙古科技大学