融合CNN和CapsNet的Wi-Fi室内定位方法

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。