中国大学生计算机设计大赛
人工智能实践赛作品报告
作品编号：
作品名称：
基于对抗网络的室内定位系统
版本编号：
1.0
填写日期：
2021.4.24
目 录
摘要
第一章 作品简介
1.1 作品背景
1.1.1 政策导向
1.1.2 社会需求
1.1.3 现存问题
1.2 现状分析
1.2.1 室内定位信号指标的选用
1.2.2 室内定位技术现状
1.3 系统应用场景与功能概述
第二章 技术方案
2.1 系统设计方案
2.2 整体架构设计
2.3 WiFi CSI 测量模块
2.3.1 硬件配置
2.3.2 数据集和数据处理
2.4 Web 交互模块
2.5 深度学习模块
2.5.1 Web 指纹生成器
2.5.2 特征提取器
2.5.3 位置预测器
2.5.4 域鉴别器
2.5.5 空间约束
第三章 系统实现
3.1 系统部署
3.1.1 深度学习神经网络
3.1.2 CSI 测量
3.2 代码运行
3.3 参数设置
3.3.1 基本参数(base_param.yaml)
3.3.2 训练参数(train_param.yaml)
3.4 CSI Tools 安装及配置
第四章 实验与评估
4.1 比较方法介绍
4.2 评价指标
4.3 实验设置
4.3.1 WILD 数据库的有关设置
4.3.2 在学生宿舍的有关设置
4.4 实验结果及分析
4.4.1 实验一：在单域下测试定位的准确率（对比）
4.4.2 实验二：在混合多域下测试定位的准确率（对比）
4.4.3 实验三：训练域的复杂程度对训练效果的影响（对比和
自比）
4.4.4 实验四：训练域的个数对准确性的影响（自比）
4.4.5 实验五：使用天线作为通道对准确性的影响（自比）
4.4.6 实验六：有空间约束和无空间约束（自比）
4.3.7 实验七：域辨别器的作用（自比）
4.3.8 实验八：AEDLoc 在学生宿舍场景中的表现
4.3.9 实验九：AEDLoc 在学生宿舍场景中预测轨迹和真实轨
迹的可视化对比
第五章 项目成果与未来展望
5.1 项目成果
5.2 未来展望
摘要
室内定位技术是工业互联网相关技术的关键一环。该技术旨在解决于室外定位且取
得良好效果的 GPS 由于建筑物阻挡无法应用于室内的问题。实现室内定位技术，能够
在真实工业场景下实时追踪和调配人员并做到对自动化生产各环节的监控，对提升生产
效率有积极意义。
现有几乎所有关于室内定位的研究存在抗环境动态性弱的问题，即面对复杂的环境
变化时，这些方法呈现出准确性低，鲁棒性差的性质；针对这种情况，研究者提出的方
法是不断维护、更新数据库，以符合环境变化。但是这种方法会带来大量的额外成本消
耗，包括人力维护的费用，以及存储大量数据的内存消耗等，而且并没有从根本上解决
问题。
针对以上问题，我们提出了一种新颖的基于对抗网络思想的室内定位系统。我们的
贡献可以总结如下：
1、提出了一种处理高维的 WiFi CSI（Channel State Information）信号的方法，该
方法可以保证将 CSI 信号转换为二维可处理图像的同时保证各维度信息的关联性。
2、我们应用对抗网络的思想，设计了一个全新的定位框架，这种框架能够分离目
标特征和环境特征，具有可以有效降低动态环境带来的影响，且不需要频繁更新。
3、在大量数据集上进行了实验，并复现了时下最先进的几种室内定位的方法进行
对比，结果表明我们提出的新方法在动态环境下的表现远优于其他几种方法。
在设计的思路上，我们沿用了过往研究采用的 WiFi 指纹使用方法，但是稍有不同
不同的是我们选择了 CSI 这个指标而不是传统的 RSS，这一点会在下文中进行分析。我
们设计了指纹生成器、特征提取器、位置预测器和域辨别器四个部分，分别对应了数据
处理、特征提取、位置预测和去除环境干扰的功能。通过将采集到的 CSI 信息依次通过
这四个部分，我们就可以得到和环境无关的位置预测。
我们通过连接硬件、web 端可以完成从原始 CSI 信息到目标移动轨迹的映射，这为
后续研究提供了便利。
本设计已作为国家发明专利的一部分进行申报，而且计划以团队人员为第一作者投
稿 WASA 2022（CCF 推荐 C 类会议），我们希望我们的设计及研究可以为以后室内定位
领域的研究提供新的思路。
第一章 作品简介
1.1 作品背景
1.1.1 政策导向
省
政策
重要内容
