基于SIFSA-CNN的CSI室内定位方法研究  

作　　者：彭铎[1] 潘晓霞 张彦博 贾科军[1] 

机构地区：[1]兰州理工大学计算机与通信学院,甘肃兰州730050

出　　处：《物联网技术》2025年第8期22-27,33,共7页Internet of things technologies

基　　金：国家自然科学基金项目(42271492);甘肃省杰出青年基金项目(24JRRA165)。

摘　　要：针对传统室内定位方法存在的定位精度低及对复杂环境适应性不足的问题,提出了一种基于卷积神经网络(CNN)的信道状态信息室内定位方法,以提高定位精度并增强对复杂环境的适应能力。该方法通过立方混沌映射初始化和自适应惯性权重混合优化的火烈鸟搜索算法(SIFSA)对CNN进行优化训练,在离线阶段收集不同位置的CSI特征图像训练网络模型,学习CSI特征与实际位置的映射关系;在线阶段使用训练好的模型预测测试点位置,并结合基于分类概率的定位算法实现精确定位。实验在会议室和实验室两种场景中进行,分别获得了14.44 cm和41.69 cm的平均定位误差。与CNN、WOA-CNN、FSA-CNN算法相比,会议室场景中的平均误差分别优化了66.70%、58.33%、22.49%,实验室场景中的平均定位误差分别优化了38.36%、34.99%、11.73%。实验表明,所提出的基于CNN的CSI室内定位方法相较于其他定位方法显著提高了定位精度,并在不同场景下均展现出优越的性能。

关 键 词：室内定位 信道状态信息 卷积神经网络 火烈鸟搜索算法 立方混沌映射 自适应惯性权重 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]