基于深度学习的无线室内定位关键技术的研究

发布时间：2021-03-14 04:36

　　如今,在现有的基于个人移动设备的室内定位系统中,使用WiFi信号指纹进行室内定位的技术逐渐成为了主要的技术形态和研究课题。这些年来,无线室内定位技术的研究主要集中在两个方向:一是通过数量关系等式严格推导出目标物体坐标的方法,这方法在视距环境等理想化的条件下才适用;二是为了应用在实际的非视距传播环境中,通过深度学习的算法建模,挖掘定位系统模型中潜在的特征进行训练,弱化室内定位的苛刻条件,提高定位精度。总的来说,目前对无线室内定位技术的研究已经越来越受到各界的关注,研制出一套落地可行并且具有通用性的定位系统是十分重要的。本文主要从深度学习角度入手,尝试解决传统通信算法和一般机器学习算法难以解决的困难,通过扩增数据和挖掘数据中的公共特征,进而提高定位的精度。其内容主要分为如下的三个部分。首先,本论文针对通信技术算法中要求视距环境传播等苛刻的条件,引出了基于机器学习算法的室内定位框架。本文先提出了一种直接式的神经网络定位算法,通过神经网络中多参数的训练学习,可以预测出所需定位物体的坐标位置。但是由于此算法在实际操作中不能有很好的效果,定位坐标相差较大。所以,针对上述直接式神经网络的弊端,本文提... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

KNN算法初始点状态图

KNN预测过程示意图

图2-3分离超平面示意图


本文编号：3081498