基于WLAN(wireless local area network)的定位在智能家居、室内导航、个性化服务等应用中扮演着重要的角色。研究了基于序列到序列seq2seq模型的室内WLAN定位方法。该方法基于在自然语言处理中广泛应用的seq2seq神经网络模型,通过样本...基于WLAN(wireless local area network)的定位在智能家居、室内导航、个性化服务等应用中扮演着重要的角色。研究了基于序列到序列seq2seq模型的室内WLAN定位方法。该方法基于在自然语言处理中广泛应用的seq2seq神经网络模型,通过样本数据学习信号指纹空间中的时间序列和坐标空间中的时间序列的关系。经过滤波等预处理后,再进行样本增强,并设计合理的输入输出及代价函数,本方法能够实现更高精度定位。实测的数据表明,提出的方法相比于其他几种基于神经网络的定位方法,度量学习RFSM方法、去噪自编码器DAE方法、f-RNN方法,平均定位精度分别提高了23%、11%和20%。展开更多
文摘基于WLAN(wireless local area network)的定位在智能家居、室内导航、个性化服务等应用中扮演着重要的角色。研究了基于序列到序列seq2seq模型的室内WLAN定位方法。该方法基于在自然语言处理中广泛应用的seq2seq神经网络模型,通过样本数据学习信号指纹空间中的时间序列和坐标空间中的时间序列的关系。经过滤波等预处理后,再进行样本增强,并设计合理的输入输出及代价函数,本方法能够实现更高精度定位。实测的数据表明,提出的方法相比于其他几种基于神经网络的定位方法,度量学习RFSM方法、去噪自编码器DAE方法、f-RNN方法,平均定位精度分别提高了23%、11%和20%。
