基于信标RSSI的GNN-Transformer室内定位算法

一个先进的深度学习框架，用于使用蓝牙低功耗(BLE)信标RSSI信号进行室内定位，结合图神经网络(GNN)、Transformer注意力机制和不确定性估计，实现精确的空间定位。

🚀 项目概述

该项目实现了一个最先进的室内定位系统，利用：

• 图神经网络(GNN) 与注意力机制建模空间关系
• Transformer架构 进行序列建模和时序依赖性分析
• 基于CNN的RSSI特征提取 进行信号模式识别
• 不确定性估计 评估预测置信度
• 多数据集支持 适用于各种室内定位场景

📊 核心特性

• 增强的GNN架构: 带有空间注意力模块的图注意力网络(GAT)
• 多头注意力: Transformer编码器层用于复杂模式识别
• 不确定性量化: 为每个位置预测提供置信度估计
• 多数据集支持: 兼容三种不同的RSSI数据集
• 高级预处理: 强大的数据归一化和特征工程
• 全面可视化: 训练指标、预测分析和RSSI模式分析
• PyTorch L