基于PCA和改进的FCNN的CSI室内定位算法.pdfVIP

基于PCA和改进的FCNN的CSI室内定位算法

111,2

覃圣，罗珊珊，裴氏莺

1.物理与电子学院，南宁师范大学，广西南宁530001

2.广西信息功能材料与智能信息处理重点实验室，广西南宁530001

摘要：在室内定位领域中，由于建筑物阻挡了卫星信号，卫星定位系统无法精准应用于室内定位。为解决这一问题，

设计了基于主成分分析（PrincipalComponentAnalysis，PCA）和改进的全连接神经网络（FullyConnectedNeuralNetwork，

FCNN）模型的信道状态信息（ChannelStateInformation,CSI）室内定位方法。首先，采集定位区域的CSI数据，使用滤波

算法对数据进行预处理，去除信号中的噪声之后利用PCA对CSI数据进行特征提取，减少特征维度，提高模型性能；其

次，对粒子群优化算法（ParticleSwarmOptimization，PSO）进行改进，增强粒子寻优能力；最后，将改进的PSO与误差反向

传播(ErrorBackPropagation,BP)结合作为FCNN模型的训练算法，训练并输出位置信息从而实现CSI室内定位。实验结

果表明，所提出算法的平均定位误差大概在0.034m左右，比未加入PCA的原始FCNN定位误差降低了85.71%，比加入

PCA的原始FCNN定位误差降低了21%，比加入PCA的时间神经网络（TimeConvolutionNeuralNetwork，TCNN）定位误

差降低了46.03%。

关键词：信道状态信息；室内定位；粒子群算法；主成分分析；误差反向传播

中图分类号：TN911.7文献标志码：A文章编号：1672-0164（2025）03-0134-07

[10][11]

超宽带定位、ZigBee等。上述方法在部署成本、抗干扰能

1引言

力和精度方面各有优势，且系统复杂度能控制在可接受尺度

从智能家居到工业自动化，从应急救援到商业导航，室内内。然而，这些方法不仅需要考虑克服周围环境因素的干扰，

定位技术在各个领域发挥着重要的作用和影响。还需要考虑降低信号传播过程中空气中温度和湿度的影响，

室内定位技术最早可以追溯到20世纪70年代，起初主要从而增加了定位成本和定位难度。另外，ZigBee、RFID、UWB

通过无线信号的传播特性实现定位。由于室内环境的复杂定位技术要求高，需要昂贵的硬件设备，且其运行距离相对较

性，如信号遮挡、多径效应、非视距传播等问题，如何提高定位短。

的准确性和稳定性一直是技术难点。随着技术的进步，室内与上述定位技术相比，WiFi定位技术具有定位范围广、抗

定位技术逐渐发展成为基于传感器网络、视觉识别、射频识别干扰性强、部署简单等优点。近年来大量学者对其进行探索

[1-2]

等技术的综合应用。在智能家居领域，室内定位技术为家性研究，并取得了一定的成果。例如针对离线指纹库中数据

庭自动化提供了可能。例如，通过室内定位技术，智能家电可过多、混乱导致定位误差增大的问题，李媛媛提出了一种基于

以根据人的位置自动调整工作模式，提高生活便利性；在工业[12]