结合CNN和WiFi指纹库的室内定位算法
为了提高基于WiFi的室内定位的精度和降低计算时间, 本文提出一种卷积神经网络(Convolutional Neural Networks, CNN)结合传统指纹库的室内定位算法. 该算法基于接收信号强度指示(Received Signal Strength Indication, RSSI)数据, 首先利用卷积神经网络模型, 根据实时输入数据预判出待测点的初步位置. 在保证了大范围预测的位置大概率正确的前提下, 再结合传统指纹库中的指纹点, 确定出精确度更高的最终预测位置. 实验结果表明, 在时效性达到要求的前提下, 累计误差在1 m以内的定位精度约有65%, 累计误差在1.5 m以内的定位精度约有85%, 且误差较为稳定.
文件下载
评论信息
其他资源
- Writing+Analytically+7th
- 自然哲学的数学原理 英文原本
- 常用usb封装（pads）
- 基于SpringBoot企业人事管理系统
- 操作系统精髓与设计原理 第六版 习题答案
- mipi_C-PHY_specification_v1-2_r04a
- 360UI完美界面
- 密码学复习题.doc
- OPC客户端、OPC运行环境、DCOM配置
- QChart 使用之： 饼图与柱状图 + 生成 .png图保存至本地
- fence（桌面管理软件）
- 3.1： KVM构建及管理 、 virsh控制工具 、 镜像管理 、 虚拟机快建技术(1).docx
- 画图软件 draw.io
- 《应用离散数学》方景龙版课后习题答案.pdf
- idea源码.zip
- opencv运动目标跟踪
- ASP使用memcache的com组件，亲测可用．
- C#操作Txt文件源码.rar
- sqlite3最新版本(3.8.0.2) 32 64位dll及lib文件
- FTP断点续传
- C#开发的超市POS管理系统源码
- 奥本海姆信号与系统第二版课后答案选解（中文版）
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明