摘要:近年来,基于位置服务业务的需求不断膨胀,鲁棒的定位技术成为热门的研究课题.无线信号覆盖范围广,穿透性强,隐蔽性好,且可利用现有的基础设备等,因此无线信号定位技术被广泛研究,其中指纹定位方法不需要直接建立信号传播模型,而是从指纹中学习模型,适合用于复杂室内环境.目前基于无线信号的指纹定位方法面临两大难题:一是指纹随时间和空间变化的波动剧烈;二是人工采集和校验指纹信号耗时长.针对这些问题,提出一种利用时间序列学习来提高定位稳健性的路径匹配方法,该方法基于编码译码循环神经网络(Recurrent Neural Networks,RNN)模型,把移动设备移动过程中接收到的接收信号强度(Received Signal Strength,RSS)时间序列编码成固定长的向量表示,再从向量表示中解码出该RSS序列对应的位置序列.RNN模型是深度学习的架构之一,处理复杂信号能力强,且能够学习时间序列,从而利用时间信号的相关性提高定位性能.同时,路径信号可以通过Crowdsourcing等方式获取,且RNN可通过半监督训练利用无标签信号提高性能,降低人工采集指纹信号的成本.数值仿真实验表明所提方法稳健性比传统方法更好.