基于混合CNN-LSTM和CSI指纹图的室内行人定位

本文提出了一种新颖的Wi-Fi指纹定位系统，利用信道状态信息（CSI）数据进行精细的行人定位。所提系统利用从CSI数据中提取的特征的频率分集和空间分集，生成一种称为CSI指纹图的2D+通道图像。然后，我们使用这种CSI数据的CSI指纹图表示，通过结合卷积神经网络和长短期记忆循环神经网络模型的混合架构，生成行人轨迹假设。所提架构利用了相邻位置收集的CSI数据观测之间的时间和空间关系信息。随后采用粒子滤波器来分离出最符合人类行走模型的假设。我们将方法的实验性能与现有的深度学习定位方法（如ConFi、DeepFi）以及自开发的基于时间特征的LSTM位置分类器进行了比较。实验结果表明，在中等动态环境中平均均方根误差为0.36米，在静态环境中为0.17米，性能显著提升。我们的方法本质上是一个概念验证，表明在（1）观测稀疏可用、（2）基础设施要求有限、（3）训练和测试环境中存在中等程度的短期和长期噪声的情况下，基于Wi-Fi的可靠精细行人定位是一个潜在的选择。