2022南京邮电大学硕士学位论文

基于深度学习的室内定位技术研究 本文研究基于深度学习的室内定位技术，主要解决了室内定位中信道状态信息（CSI）特征提取困难的问题和CSI指纹特征不够丰富的问题。通过提出了一种适用于无设备被动定位的二阶段指纹定位法和基于CSI相幅的改进被动定位方法，提高了室内定位的精度和稳定性。 本文对室内定位技术的研究意义和应用价值进行了探讨。随着无线通信、智能终端和人工智能技术的进步和推广，基于位置服务的需求快速增长。由于卫星导航系统无法在室内提供高精度的位置服务，因此室内定位技术具有重要的研究意义和应用价值。 然后，本文对信道状态信息（CSI）特征提取困难的问题进行了研究。提出了一种适用于无设备被动定位的二阶段指纹定位法。首先在终端采集CSI数据，再结合不同子载波和接收天线以及多时间跨度的CSI数据，设计出特征丰富的定位指纹矩阵，构建定位指纹库。然后引入深度学习，通过向短路连接中添加随机矩阵，随机建立短路连接，增强残差网络的集成能力，设计出一种高效提取CSI指纹定位特征的神经网络ResFi。最后在常见的室内环境中进行对比实验，结果表明ResFi定位方法优于其他常见的定位方法。 此外，本文还对CSI指纹特征不够丰富的问题进行了研究。提出了一种基于CSI相幅的改进被动定位方法。首先使用线性变换法消除相位中的测量误差，得到稳定的相位信息，再将修正过的相位与幅度融合，构建CSI相幅指纹库。考虑到CSI幅度相位指纹中存在复杂的信息，本文基于注意力机制，建立了基于CSI相幅的神经网络模型。 本文对基于深度学习的室内定位技术进行了深入的研究，提出了两种改进的定位方法，提高了室内定位的精度和稳定性，为室内定位技术的发展和应用提供了重要的理论和实践基础。 此外，本文还对室内定位技术的应用前景进行了探讨。随着智能信息处理和物联网技术的发展，室内定位技术将会在智能家居、智能商业、智能交通等领域发挥重要作用，为人们提供更加智能、便捷的生活和工作环境。