一种基于信道空时特征的深度学习室内定位方法

本发明公开了一种基于信道空时特征的深度学习室内定位方法，涉及无线通信技术领域，包括：1)采集用户连续运动轨迹上的空域信道矩阵；2)对空域信道矩阵做二维傅里叶变化获得角度域信道矩阵；3)通过翻转轨迹角度域信道矩阵，实现数据增强；4)结合卷积神经网络CNN、长短时记忆网络LSTM以及通道注意力机制，搭建神经网络；5)构建轨迹数据集，训练神经网络，用于在线定位。本发明综合用户连续运动轨迹的历史信息、角度域信道矩阵，设计了深度学习室内定位网络，相较于传统的CNN、LSTM等定位算法，定位精度可以提升40％。