一种随机森林与深度学习结合的室内定位方法

发布时间：2022-05-06 20:23

　　为更加实时、精确地识别运输设备的位置信息和特殊货物的位置信息尤其是朝向信息以提高工作效率,利用仿真实验对室内物体进行定位和朝向判断的探究。利用天线阵列布置室内环境,在考虑电磁波极化特性的基础上利用信道传播模型进行建库;利用随机森林进行朝向判断后通过不同的深度学习模型进一步实现定位。实验结果表明:该模型不仅能实现朝向判断,而且其定位误差比仅利用深度学习模型的定位误差降低约0.14 m。 

【文章页数】：5 页

【文章目录】：
0 引 言
1 定位系统中指纹数据集的建立
    1.1 天线传播模型的建立
        (1)发射天线极化方向在垂直于来波方向平面的投影为
        (2)发射天线极化电场在接收天线上的投影大小为
        (3)接收天线接收到的功率为
    1.2 指纹数据库的获取
2 算法介绍
    2.1 RF原理
    2.2 深度学习
        2.2.1 AE
        2.2.2 神经网络算法
    2.3 算法过程
        2.3.1 数据的获取和处理
        2.3.2 天线定位
3 仿真结果及其分析
    3.1 仿真环境
    3.2 实验结果
        3.2.1 对测试数据进行方向分类
        3.2.2 利用深度学习进行定位
4 结束语


【参考文献】：
期刊论文
[1]基于RSS的可见光室内定位系统[J]. 孙豫斌,黄臻,高瑞祥,程晶晶.  仪表技术与传感器. 2018(11)
[2]基于深度学习分位数回归模型的风电功率概率密度预测[J]. 李彬,彭曙蓉,彭君哲,黄士峻,郑国栋.  电力自动化设备. 2018(09)
[3]一种基于BP神经网络的室内定位模型[J]. 李瑛,胡志刚.  计算技术与自动化. 2007(02)

硕士论文
[1]基于深度学习的WiFi室内定位算法研究[D]. 李嘉俊.广东工业大学 2018
[2]基于深度学习和位置指纹的RFID室内定位算法研究[D]. 孙晶.吉林大学 2018
[3]基于深度学习的室内定位算法研究[D]. 高欢斌.电子科技大学 2016



本文编号：3651153