从户外移动到现代城市的室内生活方式越来越越来越大。大型购物中心,室内运动综合体,工厂和仓库的出现正在加速这种趋势。在这种环境中,室内本地化成为必要的服务之一,并且要部署的室内定位系统应该足够可扩展,以覆盖这些室内设施的预期扩展。室内定位最经济和实用的方法之一是Wi-Fi指纹识别,它使用移动设备(例如智能手机)利用广泛部署的Wi-Fi网络,而无需任何修改现有基础架构。传统的Wi-Fi指纹窗格依赖于复杂的数据预/后处理和耗时的手动参数调整。在本文中,我们使用Wi-Fi指纹识别基于经常性神经网络(RNN)提出了基于经常性神经网络(RNN)的分层多建筑和多层室内定位,无需复杂的数据预/后处理并且参数调谐较少。所提出的方案中的RNN以一般到特定的一个(例如,建筑物 - >楼层 - >位置)以顺序方式估计位置,以利用多建筑物和多层环境中定位的分层性质。 ujiindoorloc数据集的实验结果表明,所提出的方案分别估计建筑物和地板,分别具有100%和95.24%的精度,并提供了8.62米的三维定位误差,这优于现有的基于神经网络的基于深度基于神经网络的方案。
translated by 谷歌翻译