摘要
在本研究中，提出了一种基于接收信号强度（RSS）值准确预测室内三维定位的新方法。本工作使用 WiFi 信标收集时间序列 RSS 数据，对其进行预处理，并将其输入到所提出的模型中。所提出的模型展示了一种基于二维卷积神经网络的新型架构，并且该模型采用了多任务学习方法。因此，该模型同时具有用于楼层分类的分类器和用于估计 X 和 Y 坐标的回归器，并试图即使在有家具和其他障碍物的环境中也能实现准确的室内定位。所提出的基于 CNN 的模型高效地利用了 RSSI 数据，在 UJIIndoorLoc 数据集上，楼层分类准确率达到 99.0%，基于坐标估计的欧几里得距离误差为 6.5 米。另一方面，使用坦佩雷（Tampere）数据集的验证结果为：定位的“距离误差（米）= 3.7868”，楼层分类的“准确率 = 98.99%”。全面的预处理显著提高了定位精度。
