(齐鲁工业大学(山东省科学院)山东省人工智能研究院 济南 250014) (黑龙江大学计算机科学技术学院 哈尔滨 150080) (黑龙江大学软件学院 哈尔滨 150080) (2043331028@qq.com)
出版日期: 2020-07-01基金资助:国家自然科学基金项目(61370222)；黑龙江省自然科学基金重点项目(ZD2019F003)Research on a Device-free Passive Indoor Regional Localization Method
Li Ruonan, Li Jinbao(Qilu University of Technology (Shandong Academy of Science), Shandong Artificial Intelligence Institute, Jinan 250014) (School of Computer Science and Technology, Heilongjiang University, Harbin 150080) (Software Technology Institute, Heilongjiang University, Harbin 150080)
Online: 2020-07-01Supported by:This work was supported by the National Natural Science Foundation of China (61370222) and the Key Program of the Natural Science Foundation of Heilongjiang Province of China (ZD2019F003).摘要/Abstract
摘要： 室内区域定位在医疗养老、智慧大楼等领域有着广泛的应用.室内区域定位中最突出的问题是无线电信道效应的动态和不可预测性(如多径传播、信道衰落等)对接收信号强度(received signal strength, RSS)的干扰影响.为了降低无线电的干扰，提出了一种新的基于注意力机制的CNN-BiLSTM的室内区域定位模型，该模型通过捕获粗细粒度特征与定位区域的对应关系来减弱RSS序列对信道变化的依赖.首先，利用卷积神经网络(convolutional neural network, CNN)学习捕捉RSS序列的特征来抽取区域中心点的细粒度特征.然后，利用双向长短时记忆(bidirectional long short-term memory, BiLSTM)网络的存储记忆特性，学习当前与过去RSS序列中隐含区域范围的粗粒度特征.最后，利用注意力机制，通过融合粗细粒度特征，建立RSS序列特征与区域位置的映射关系，获取区域位置信息.真实室内环境下区域定位的实验结果表明，与目前定位效果最好的网格区域综合概率定位模型相比，提出的方法在降低计算复杂度的同时提高了区域定位的准确度和对环境的适应能力.
参考文献
相关文章 15
| [1] | 廖海斌, 徐斌. 基于性别和年龄因子分析的鲁棒性人脸表情识别[J]. 计算机研究与发展, 2021, 58(3): 528-538. |
| [2] | 张世琨, 谢睿, 叶蔚, 陈龙. 基于关键词的代码自动摘要[J]. 计算机研究与发展, 2020, 57(9): 1987-2000. |
| [3] | 李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740. |
| [4] | 陈彦敏, 王皓, 马建辉, 杜东舫, 赵洪科. 基于层级注意力机制的互联网用户信用评估框架[J]. 计算机研究与发展, 2020, 57(8): 1755-1768. |
| [5] | 邢新颖, 冀俊忠, 姚垚. 基于自适应多任务卷积神经网络的脑网络分类方法[J]. 计算机研究与发展, 2020, 57(7): 1449-1459. |
| [6] | 于海涛, 杨小汕, 徐常胜. 基于多模态输入的对抗式视频生成方法[J]. 计算机研究与发展, 2020, 57(7): 1522-1530. |
| [7] | 王庆林, 李东升, 梅松竹, 赖志权, 窦勇. 面向飞腾多核处理器的Winograd快速卷积算法优化[J]. 计算机研究与发展, 2020, 57(6): 1140-1151. |
| [8] | 张艺璇, 郭斌, 刘佳琪, 欧阳逸, 於志文. 基于多级注意力机制网络的app流行度预测[J]. 计算机研究与发展, 2020, 57(5): 984-995. |
| [9] | 张莹莹, 钱胜胜, 方全, 徐常胜. 基于多模态知识感知注意力机制的问答方法[J]. 计算机研究与发展, 2020, 57(5): 1037-1045. |
| [10] | 刘烨, 黄金筱, 马于涛. 基于混合神经网络和注意力机制的软件缺陷自动分派方法[J]. 计算机研究与发展, 2020, 57(3): 461-473. |
| [11] | 杜鹏, 丁世飞. 基于混合词向量深度学习模型的DGA域名检测方法[J]. 计算机研究与发展, 2020, 57(2): 433-446. |
| [12] | 程艳, 尧磊波, 张光河, 唐天伟, 项国雄, 陈豪迈, 冯悦, 蔡壮. 基于注意力机制的多通道CNN和BiGRU的文本情感倾向性分析[J]. 计算机研究与发展, 2020, 57(12): 2583-2595. |
| [13] | 贺周雨, 冯旭鹏, 刘利军, 黄青松. 面向大规模图像检索的深度强相关散列学习方法[J]. 计算机研究与发展, 2020, 57(11): 2375-2388. |
| [14] | 尉桢楷, 程梦, 周夏冰, 李志峰, 邹博伟, 洪宇, 姚建民. 基于类卷积交互式注意力机制的属性抽取研究[J]. 计算机研究与发展, 2020, 57(11): 2456-2466. |
| [15] | 石文浩,孟军,张朋,刘婵娟. 融合CNN和Bi-LSTM的miRNA-lncRNA互作关系预测模型[J]. 计算机研究与发展, 2019, 56(8): 1652-1660. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4211
