融合CNN和CapsNet的Wi-Fi室内定位方法 |
| |
引用本文: | 张天颖,史明泉,崔丽珍,秦岭.融合CNN和CapsNet的Wi-Fi室内定位方法[J].测绘通报,2023(11):69-74+121. |
| |
作者姓名: | 张天颖 史明泉 崔丽珍 秦岭 |
| |
作者单位: | 内蒙古科技大学信息工程学院 |
| |
基金项目: | 国家自然科学基金(62161041);;内蒙古自治区高等学校科学研究项目(NJZY22438); |
| |
摘 要: | 针对基于位置指纹的Wi-Fi室内定位方法定位精度低的问题,本文提出了一种融合卷积神经网络(CNN)和胶囊网络(CapsNet)的Wi-Fi室内定位算法模型,记为CNN-CapsNet。首先将采集的RSSI时间序列信息,生成位置指纹图像数据集;然后通过由卷积层和池化层构成的CNN初级特征提取器,完成定位图像到初级特征图的转换;最后将初级特征图输入到CapsNet中,获得最终的分类结果。试验结果表明,在不同的向量维度,迭代次数等参数下,该模型的准确率高达99.99%,损失函数值低至0.009 91,优于其他的传统定位方法。
|
关 键 词: | 室内定位 RSSI 胶囊网络 卷积神经网络 图像分类 |
|
|