摘要

针对室内环境下Wi-Fi信号波动及在线定位阶段移动设备异质性而导致指纹定位算法精度不高的问题,本文考虑了用户移动轨迹上一系列接收信号强度指示(Received Signal Strength Indicator,RSSI)指纹之间的相关性,并提出了一种基于深度神经网络的室内定位算法。该算法在离线阶段,针对部分手机难以采集大量RSSI指纹的问题,通过数据增强扩充指纹库,减少指纹采集工作量;然后使用轨迹生成算法生成大量轨迹数据,训练基于卷积神经网络和循环神经网络的定位模型。在线阶段将RSSI指纹转换为差分矩阵以缓解设备异质性问题,并结合指纹的隐含特征以及模型上一时刻预测的位置进行定位。在不同移动终端设备上的实验结果表明,该算法可以有效缓解设备异质性的影响,提高定位精度。