-
题名基于ECA-CNN的混合指纹室内定位方法
- 1
-
-
作者
王正康
骆冰清
-
机构
南京邮电大学计算机学院、软件学院、网络空间安全学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第2期428-440,共13页
-
文摘
在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neural network, CNN)的定位模型在特征提取时不能有效地突出重要特征.针对上述问题,提出一种基于ECA-CNN的混合指纹室内定位方法(hybrid fingerprint indoor localization method based on ECA-CNN, ECACon-HF).首先,利用可见光强度和低功耗蓝牙(Bluetooth low energy, BLE)接收信号强度指示(received signal strength indication, RSSI)来构建混合指纹,降低BLE指纹不稳定的影响,并增强不同位置之间的区分度.同时,基于高效通道注意力(efficient channel attention, ECA)模块改进CNN定位模型,ECA能够通过跨通道交互策略自适应地提取指纹中的重要信息,抑制指纹中的环境干扰,增强混合指纹特征表达能力,更有效地利用混合指纹优势.实验结果显示,ECAConHF在构建的混合指纹库上可以达到0.316 m的定位精度,高于在单一指纹上的精度;并且基于同一指纹库,ECACon-HF相比其他室内定位方法,定位精度具有明显优势.
-
关键词
室内定位
混合指纹
可见光强度
注意力机制
低功耗蓝牙
-
Keywords
indoor localization
hybrid fingerprint
visible light intensity
attention mechanism
Bluetooth low energy(BLE)
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-