多任务时空融合的Wi-Fi指纹定位系统

本发明针对复杂室内环境中Wi‑Fi信号易受干扰、传统方法泛化能力弱的问题，提出一种多任务时空融合的Wi‑Fi指纹定位系统。该系统以时空特征融合为核心，从空间与时间维度提取深层特征，通过权重协同优化建筑分类、楼层分类与坐标回归目标，显著提升了多尺度定位的泛化与判别性能。为进一步增强模型鲁棒性，引入了通道注意力、生成对抗网络与去噪自编码器，以强化特征表达与数据多样性。在UJIIndoorLoc数据集上的实验表明，本方法在建筑与楼层识别准确率及平均定位误差方面优于部分传统方法与现有神经网络模型，验证了其在复杂室内环境中的有效性。