来源：期刊VIP网 时间：
作者：杜莹;程振豪;孙丹丹;
单位：郑州师范学院;信息工程大学;河南锦源建设有限公司;
摘要：针对在利用深度学习网络进行位置指纹定位时，模型参数值大多根据经验给出的问题，该文利用粒子群算法(PSO)对地磁数据分解和深度学习网络模型的参数进行优化，以得到最优定位模型。首先对5G信道状态信息(CSI)幅值和地磁数据进行降噪处理以提升指纹库质量，然后采用PSO算法对模型参数自动寻优，构建离线训练的多输入神经网络模型，最后利用实时采集到的传感器数据进行定位。实验表明，在会议室、教学楼大厅及IPIN2023＿T7数据集3种场景下的平均绝对定位误差分别为1.1、2.13和1.65 m,较未进行参数优化的多输入神经网络模型算法分别提升了8.3%、9%和10.3%,具有更佳的定位性能和更好的泛化能力。
关键词：指纹定位;;地磁数据;;信道状态信息;;深度学习;;粒子群算法
