基于CNN-SSA-GRU的位置指纹定位方法研究  

Research on Location fingerprint localization Method Based on CNN-SSA-GRU

作　　者：吴兰[1] 胡家傲 WU Lan;HU Jia-ao(School of Electrical Engineering,Henan University of Technology,Zhengzhou Henan 450001,China)

机构地区：[1]河南工业大学电气工程学院,河南郑州450001

出　　处：《计算机仿真》2025年第1期323-328,366,共7页Computer Simulation

基　　金：国家自然科学基金面上项目(61973103);河南省优秀青年基金(222300420039);郑州市科技创新协同专项重点项目(21ZZXTCX01)。

摘　　要：针对现有位置指纹定位方法不能充分利用指纹数据中的特征信息以及训练过程中关键参数需要人为确定导致定位精度不高的问题,利用卷积神经网络(CNN)提取指纹数据中的空间特征信息并构造成特征向量,再利用门控循环神经网络(GRU)提取特征向量中的时间特征,建立特征融合的位置指纹定位模型进行定位,以提高定位精度。同时利用麻雀搜索算法(SSA)对GRU网络训练过程中的关键参数进行最佳寻优,降低人为设置训练参数对模型定位效果的影响,进一步提高模型的定位精度。实验分析表明,提出的CNN-SSA-GRU指纹定位方法平均误差在1.351m,与传统指纹定位方法相比定位精度更高,能够满足实际定位需求。In response to the problem of insufficient utilization of feature information in fingerprint data and the need for manual determination of key parameters during training,which leads to low positioning accuracy in existing location fingerprint positioning methods,a convolutional neural network(CNN)is used to extract spatial feature information from fingerprint data and construct feature vectors.Then,a gated recurrent neural network(GRU)is used to extract temporal features from the feature vectors,and a feature fusion location fingerprint positioning model is established to improve positioning accuracy.Additionally,the sparrow search algorithm(SSA)is employed to optimize key parameters during the training process of the GRU network,thereby reducing the impact of manually setting training parameters on the localization performance of the model and further improving its accuracy.The experimental analyses indicate that the proposed CNN-SSA-GRU fingerprinting localization method achieves an average error of 1.351 meters,which is higher in positioning accuracy than traditional fingerprinting methods and satisfies practical localization requirements.

关 键 词：指纹定位 卷积神经网络 麻雀搜索算法 门控循环神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TN911.7[自动化与计算机技术—控制科学与工程]