公开(公告)号：CN114217268A

公开(公告)日：2022-03-22

申请号：CN202111272848.6

申请日：2021-10-29

Applicant: 中国石油大学(华东)

Inventor： 李娟 ,  崔学荣 ,  及美琪 ,  毛欣伟 ,  张敬瑶

IPC: G01S5/02 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06T7/70 ,  H04W64/00

Abstract: 本发明属于无线定位技术领域，涉及的是一种基于机器学习的复杂环境下无线定位方法。主要步骤是采用视距(Line of Sight，LOS)环境下基于UWB(Ultra‑Wide Band，超宽带)的几何定位模块、非视距(Non Line of Sight，NLOS)环境下基于深度学习的指纹定位模块、基于加速度和陀螺仪的航位推算(Dead Reckoning，DR)模块和基于视觉的同步定位与地图构建(Visual Simultaneous Localization and Mapping，VSLAM)模块对终端进行多信号源定位，同时利用基于粒子滤波和扩展卡尔曼滤波对无线定位结果进行融合平滑处理，通过机器学习实现样本的自动更新以及深度置信网络(Deep Boltzmann Machine，DBN)的自动训练，以适应室内布局多变的空间和电磁环境。本发明可以适应复杂的室内环境，为终端提供高精度、连续、稳定的无线定位服务。

公开(公告)号：CN114051202A

公开(公告)日：2022-02-15

申请号：CN202111272281.2

申请日：2021-10-29

Applicant: 中国石油大学(华东)

Inventor： 李娟 ,  崔学荣 ,  张敬瑶 ,  毛欣伟 ,  杨瑾

IPC: H04W4/02 ,  H04W64/00 ,  G06K9/62 ,  G06N7/00

Abstract: 本发明属于无线定位技术领域，涉及室内指纹定位，具体是一种无线定位信号指纹样本库的自动学习方法。主要原理是：1.给出轨迹跟踪信息和无标记的辅助数据；2.计算隐式马尔科夫模型的传输矩阵和拉斯特征向量；3.分别将原始数据库和辅助指纹库通过局部线性嵌入算法映射到低维空间，拟采用隐式马尔科夫模型进行训练和转换；4.使用交替投影法，选择新的流形矩阵并使用流形对齐重新投影两个数据集，直到成本函数最小化。通过这种方式，标记过时的指纹样本集。之后，再根据一定条件实现神经网络的自动训练。本发明实现信号指纹样本库的自动学习，克服样本库过时的难题，使深度学习方法适应指纹信号的变化，提高定位精度。