一种融合堆叠自编码器与残差网络的室内定位方法

本发明公开了一种融合堆叠自编码器与残差网络的室内定位方法，旨在解决现有技术在复杂多楼层室内环境下定位精度不高、特征提取不充分及模型优化困难的问题。本发明方法首先通过数据预处理对原始室内信号数据进行规范化；随后，采用一种改进的SAE进行特征降维和初步特征提取，该SAE集成了卷积分支以增强局部特征学习能力，并通过残差连接保留重要信息；接着，将SAE输出的低维特征送入一种改进的Resnet进行深度特征学习和位置回归，该ResNet采用一维卷积以适应信号特性，并通过自适应残差块有效缓解梯度消失问题，末端使用全局平均池化层聚合特征；最后，采用一种改进的遗传算法对ResNet的关键超参数进行智能寻优，该GA通过非均匀变异和精英保留策略提高优化效率和效果。本发明通过各模块的协同工作，能够有效处理高维RSSI数据，稳定训练深度网络，智能优化模型参数，显著提高了在复杂室内环境下的定位精度和鲁棒性。