首先,利用MATLAB实现了传统的AOA室内定位方法。然后,利用Python及TensorFlow训练神经网络并利用神经网络预测AOA。神经网络的预测结果比传统AOA方式更加准确。最后,利用集成学习将传统AOA定位方式与神经网络融合,进一步提高了准确度。(提升了10cm左右)。
通过调研、论证,确定利用神经网络预测AOA的研究策略,使得定位精度提高了10厘米。
遇到的问题:
第一,信号噪声过大,影响了CSI的提取。解决方法:加入FFT,在主频附近进行滤波。
第二,训练过程中,学习率等参数选取不当,导致训练误差大。解决方法:通过控制变量法,逐步调整学习率等参数,实现参数最优化。
卷积神经网络模型选取不当,无法精准预测。解决方法:更换神经网络模型,最终采用ResNet和DenseNet,实现了准确预测。