室内定位技术的是目前定位技术研究的热点,近年来随着无线通信技术的飞速发展,对室内定位服务的需求逐渐增加。但是由于室内环境具有高度的复杂性,使得信号在室内环境的传输过程中存在明显的多径效应和时变特性。所以要在室内环境中实现精确定位依然有很多问题需要解决。本文的研究重点在于采用基于降噪深度信念网络(Deep Belief Networks,DBN)的指纹定位算法实现特定室内环境的目标定位,主要分以下几个方面进行展开:首先,对于指纹定位所需的指纹数据集来说,本文主要通过仿真实验的方式获得。所以需要对室内信道进行建模进而获得指纹数据集。本文主要采用射线跟踪法中的弹跳射线法来实现室内信道的确定性建模。将信号发射过程抽象为从发射端向外辐射的大量射线,然后对射线的传播过程进行跟踪。将信号接收过程抽象为一个接收球,所有通过该接收球的射线都可以看作是被相应接收端接收的信号分量。最终实现特定环境下的信道建模。其次,由于选择一个合适的回归模型来发现指纹数据和位置信息之间的关系是指纹定位算法中非常重要的部分,本文的回归模型选择的是深度学习中典型的DBN模型。除了利用DBN本身的拟合能力来实现指纹定位之外,本文还针对室内信道易受干扰的特点,对DBN模型的预训练部分进行了改进,使之具备一定的降噪性能,从而使模型能够在低信噪比的条件下依然保持较好的定位性能,适应复杂多变的室内信道。最后,出于提高算法系统鲁棒性的考虑,本文将降噪DBN模型部署到分布式结构之中。在验证了降噪DBN模型在单锚点情况下的定位能力之后,本文还对每个锚点独立地训练一个DBN模型,让每个锚点独立地实现定位任务,再对其加以汇总得到最终的定位结果。将降噪DBN模型部署在分布式结构下可以使得整个定位模型即使在有个别锚点失效的情况下,依然能够正常工作,进而提高系统的鲁棒性。