基于深度学习的室内定位方法及装置

摘要

本发明提供了一种基于深度学习的室内定位方法及装置，方法包括离线阶段和在线阶段；所述离线阶段包括：采集每个参考点的特征值：CSI信息、RSS信息、TDOA信息、FDOA信息及磁场信息，形成指纹数据库；数据归一化，将指纹数据库的数据转换为无量纲数据通过多层CNN网络进行处理，得到每个参考点的CNN模型参数值，得到训练后的CNN模型；在线阶段包括：在线采集每个测试点的特征值输入到训练后的CNN模型通过径向基函数和贝叶斯分类来计算目标点位于每个参考点的概率，然后通过对参考点坐标进行加权平均，得到目标位置的坐标。本发明能够提高室内定位精度及抗干扰能力。