摘要：针对目前构建精细的地磁指纹库需要耗费大量人力成本的瓶颈,提出了条件变分自动编码器和条件对抗生成网络2种生成模型,能够在收集少量数据样本的基础上,对给定位置进行伪标签指纹的生成。同时,针对单点地磁指纹定位精度低的问题,设计了一种基于注意力机制的卷积神经网络-门控循环单元的地磁序列定位算法,能够有效利用指纹的空间和时间特性,实现精准定位。此外,还设计并搭建了实时、便携的移动端数据采集和定位系统。通过实际测试表明,利用所提模型可有效构建可用的地磁指纹库,所提算法平均误差可达0.16 m。

摘要：设计并实现了一个基于深度学习的室内定位系统,该系统分为信息采集模块、地磁定位模块、深度神经网络定位模块及联合定位模块4个模块。首先利用智能手机传感器采集室内地磁信号,以地理位置为标签保存为位置指纹文件。通过粒子滤波算法计算得出用户地理位置。然后使用深度神经网络模型和当前扫描的数据预测行人位置,最后对用户位置进行校正,消除地磁定位的累计误差。将基于深度学习的室内定位方法在Android平台实现并进行相应测试。实验结果表明,改进后的地磁室内定位的平均误差为2.2m,较只使用地磁定位技术进行定位时,定位误差平均降低了2.3m,具有更高的定位精度。