一种轻量化CNN的WIFI指纹室内定位模型

摘要

为了提高室内WiFi指纹定位技术的定位精度,减少模型参数量。本文提出一种基于卷积神经网络(Convolutional Neural Network, CNN)的轻量化室内定位模型。首先将接收信号的强度指示 (RSSI) 处理为二维灰度图,然后使用深度可分离卷积进行特征提取,将提取后的特征通过自适应池化层(Adaptive Avg Pool 2d)固定输出大小,减少全连接层参数量;最后输入到全连接层进行分类。在UJIIndoorLoc数据集和Tampere数据集上的实验结果表明:模型的楼层定位分别达到了99%和99.7%的准确度,坐标定位的平均误差为6.51 m,训练参数为48685个。与现有的先进室内定位模型相比,定位精度更高、模型参数更少。