基于ECA-CNN的混合指纹室内定位方法

作者：王正康; 骆冰清^*

来源：计算机研究与发展, 2023, 1-13.

• 室内定位
• 混合指纹
• 可见光光强
• 注意力机制
• 低功耗蓝牙

在指纹法的定位中，指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面，可见光强度稳定性较高，但位置特征区分度低；无线信号强度区分度较高，但波动性较强.在定位模型的构建方面，基于卷积神经网络（convolutional neural networks， CNN）的定位模型在特征提取时不能有效地突出重要特征.针对上述问题，提出一种基于ECA-CNN的混合指纹室内定位方法（hybrid fingerprint indoor localization method based on ECA-CNN， ECACon-HF）.首先，利用可见光强度和低功耗蓝牙（Bluetooth low energy， BLE）接收信号强度指示（received signal strength indication， RSSI）构建混合指纹，降低BLE指纹不稳定的影响，并增强不同位置之间的区分度.同时，基于高效通道注意力（efficient channel attention ， ECA）模块改进CNN定位模型，ECA能够通过跨通道交互策略自适应地提取指纹中的重要信息，抑制指纹中的环境干扰，增强混合指纹特征表达能力，更有效地利用混合指纹优势.实验结果显示，ECACon-HF方法在构建的混合指纹库上可以达到0.316m的定位精度，高于在单一指纹上的精度，并且基于同一指纹库，ECACon-HF方法相比其他室内定位方法，定位精度具有明显优势.

• 单位
  南京邮电大学