基于cGAN-SAE的室内定位指纹生成方法

来源：电子测量技术杂志2024年第14期北京时间：

作者：刘伟，王智豪，李卓，韦嘉恒

单位：1.桂林理工大学物理与电子信息工程学院 桂林 541006; 2.桂林理工大学计算机科学与工程学院 桂林 541006; 3.桂林理工大学广西嵌入式技术与智能系统重点实验室 桂林 541006

摘要：针对室内定位中指纹采集成本高、构建数据集难等问题，提出了一种基于条件稀疏自编码生成对抗网络的室内定位指纹生成方法。该方法通过增加自编码器隐藏层和输出层，增强了特征提取能力，引导生成器学习并生成指纹数据的关键特征。利用指纹选择算法筛选出最相关的指纹数据，扩充至指纹数据库中，并用于训练卷积长短时记忆网络模型以进行在线效果评估。实验结果表明，条件稀疏自编码生成对抗网络在不增加采集样本的情况下，提高了多栋多层建筑室内定位的精度。与原始条件生成对抗网络模型相比，在UJIIndoorLoc数据集上的预测中，定位误差降低了6%；在实际应用中，定位误差降低了14%。

关键词：室内定位;稀疏自编码器;指纹数据库;条件生成对抗网络;卷积长短时记忆网络

基金资助：国家自然科学基金(62362017)项目资助