TensorFlow练习6: 基于WiFi指纹的室内定位(autoencoder)

本帖基于论文:Low-effort place recognition with WiFi fingerprints using Deep Learning

室内定位有很多种方式,利用WiFi指纹就是是其中的一种。在室内,可以通过WiFi信号强度来确定移动设备的大致位置,参看:https://www.zhihu.com/question/20593603

使用WiFi指纹定位的简要流程

首先采集WiFi信号,这并不需要什么专业的设备,几台手机即可。Android手机上有很多检测WiFi的App,如Sensor Log。

把室内划分成网格块(对应位置),站在每个块内分别使用Sensor Log检测WiFi信号,数据越多越好。如下:

 无线信号强度是负值,范围一般在0<->-90dbm。值越大信号越强,-50dbm强于-70dbm,

数据采集完成之后,对数据进行预处理,制作成WiFi指纹数据库,参考下面的UJIIndoorLoc数据集。

开发分类模型(本帖关注点)。

最后,用户上传所在位置的wifi信息,分类模型返回预测的位置。

TensorFlow练习: 基于WiFi指纹的室内定位

使用的数据集:https://archive.ics.uci.edu/ml/datasets/UJIIndoorLoc

TensorFlow练习6: 基于WiFi指纹的室内定位(autoencoder)

下载数据集:

代码:

执行结果:

TensorFlow练习6: 基于WiFi指纹的室内定位(autoencoder)

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注