基于 Wi-Fi RSSI 指纹的多楼层多建筑室内定位的层次化阶段训练链接深度神经网络

本文提出了一种新解决方案，用于基于链接神经网络的大规模多建筑多楼层室内定位问题，每个神经网络专用于一个子问题，并在层次化阶段训练框架下进行训练。当传感器测量数据具有层次化表示时（如多建筑多楼层室内定位），利用数据中层次性进行数据处理以提供可扩展解决方案尤为重要。在此方面，层次化阶段训练框架将原有的阶段训练框架扩展到多个链接网络的情况，通过在更高层次网络训练后获得的先验知识来训练较低层次网络。使用公开的 UJIIndoorLoc 多建筑多楼层 Wi-Fi RSSI 指纹数据库进行的实验结果表明，受本文提出的层次化阶段训练框架训练的链接神经网络可实现 8.19 米的三维定位误差。鉴于作者所知，这是使用完整 UJIIndoorLoc 数据集训练和评估的神经网络模型中取得的最准确的结果；此外，当应用在基于层次化卷积神经网络的模型上时，所提出的训练框架还能显著将三维定位误差从 11.78 米降低到 8.71 米。