现代室内定位技术对于克服室内环境中较弱的 GPS 覆盖范围至关重要。最近，基于信道状态信息（CSI）的信号指纹室内定位取得了相当大的进展。然而，CSI信号模式在具有复杂内部结构的大型高动态室内空间中可能会很复杂，因此迫切需要解决这个问题的解决方案，以将CSI的应用扩展到更广泛的室内空间。在本文中，我们提出了一种端到端的解决方案，包括数据收集、模式聚类、去噪、校准和带有 CSI 指纹识别的轻量级一维卷积神经网络 (1D CNN) 模型来解决这个问题。我们还创建并计划开源一个 CSI 数据集，其中包含在科罗拉多州立大学的复杂室内环境中收集的大量数据。实验表明，与最著名的深度机器学习和基于 CSI 的室内定位工作相比，我们的方法以最少的参数实现了高达 68.5% 的性能提升（平均距离误差）。



"点击查看英文标题和摘要"