项目介绍:随着物联网传感设备和无线通讯技术的蓬勃发展,室内定位已然成为大众生活中不可或缺的一部分。目前,众多室内定位技术利用无线局域网信号(Wireless Local Area Network, WLAN)的相关特征来进行定位,常用的技术有 Wi-Fi、蓝牙、红外线和超声设备等。然而由于室内环境的复杂性(墙壁、金属、人员流动和其他电子设备等)导致射频信号无法覆盖全区域,很难向所有用户提供同等质量的定位服务。由于指纹识别技术可以提供 6 ~ 8米的定位精度,且精度随着无线访问接入点(Access Points, APs)密度的增加而提高,以及深度学习(Deep Learning, DL)技术可以帮助克服定位服务过程中的不确定性,因此将 DL 技术应用在室内定位方法中,可通过待定位的位置点与接收信号强度(Received Signal Strength, RSS)指纹数据的映射关系来确定用户的精确位置。基于 DL 的 RSS 指纹室内定位方法是当前最流行的室内定位方法之一,该类方法主要使用包含定位终端和定位云服务器的云计算架构来实现室内定位,其核心是发现指纹数据与位置点之间映射关系的定位