一个简单地室内定位RSSI指纹序列的仿真

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.

一个基于采集RSSI信号值的MATLAB代码的定位算法，可以运行，有图，对于想要学习室内定位的，有一定的见解，主要针对室内定位RSSI定位，另外也可以相互讨论，帮助自己提高。

用于蓝牙定位里指纹库的建立，基于MATLAB进行仿真，随机生成路径并添加噪声，通过去燥进行定位 精度达2米