基于SIFSA-CNN的CSI室内定位方法研究
打开文本图片集
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。（剩余7472字）