一种基于神经网络学习的RSSI室内定位测距方法

本发明公开了一种基于神经网络学习的RSSI室内定位测距方法，涉及室内定位测距技术领域，本发明通过多模态融合与动态神经网络架构，显著提升地下停车场等复杂场景下的RSSI测距鲁棒性；采用双流神经网络分离建模信号长期衰减与瞬时突变特征，有效缓解动态遮挡引发的RSSI畸变问题，避免传统模型对均匀信号环境的依赖；引入膨胀率与移动速度动态绑定机制，通过自适应调整卷积感受野，补偿低速采样导致的时序信息缺失，抑制高速移动下的累计误差；同时基于对抗生成网络的预训练策略，利用物理约束合成多样化遮挡场景数据，增强模型对多径反射、金属干扰的泛化能力。