计算机应用研究

作者：吴仕勋,曾鑫睿,徐凯,蓝章礼,张淼,金悦,

单位：重庆交通大学信息科学与工程学院,重庆400074；

关键词：室内定位,位置条件变分自编码,卷积神经网络,数据增强,

基金：重庆市自然科学基金资助项目(CSTB2024NSCQ-MSX0275)；；

室内Wi-Fi接收信号强度指示（RSSI）指纹定位广泛应用于位置服务，但面临数据采集困难、环境动态变化的RSSI测量剧烈波动等挑战，难以实现高精度定位。为解决因数据稀缺和环境动态变化导致定位精度不佳问题，采用双编码器结构独立处理RSSI数据和位置坐标数据，引入地理信息损失函数，构建了位置条件变分自编码器（LCVAE）模型，生成具有地理准确性的指纹数据，以此增强定位模型的性能。进一步设计了共享的卷积神经网络（CNN）模型特征提取层，整合分类与回归功能，提出一种基于LCVAE-CNN的多任务室内Wi-Fi指纹定位方法。实验结果表明，所提LCVAE-CNN方法在UJIIndoorLoc数据集的楼层分类准确率和平均定位误差（MPE）分别达到98.80%和6.79 m，在Tampere数据集上分别达到97.22%和5.44 m。与现有五种方法相比，楼层分类准确率最少提升1.9百分点，MPE最少提高19%。

来源：2025年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第6期