公开(公告)号：CN118118855A

公开(公告)日：2024-05-31

申请号：CN202410518698.X

申请日：2024-04-28

Applicant: 南京信息工程大学

Inventor： 季笑 ,  张闯

IPC: H04W4/021 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0985 ,  G01S5/02 ,  H04W4/02 ,  H04W4/33 ,  H04W64/00

Abstract: 本发明公开了一种基于多模态融合和深度学习的无线室内定位方法及系统，所述方法包括以下步骤：（1）确定室内区域指纹参考点RP之间的间隔并划分子区域；（2）在每个参考点处采集信道状态信息，计算无线信号的功率时延以及角度到达；（3）构建多模态信息融合和卷积神经网络架构并将功率时延以及角度到达输入到模型进行训练；（4）利用元学习加速网络训练和部署并提升定位精度；本发明使用了多种指纹信息，并通过指纹特征融合网络实现了指纹信息的融合，生成了质量更高的用于后续定位的指纹信息；将元学习融入深度神经网络的训练中，使得模型可以学习出一组初始的元参数用于后续模型训练的微调，让室内定位系统可以更快，更有效地被部署。

公开(公告)号：CN118118855B

公开(公告)日：2024-08-27

申请号：CN202410518698.X

申请日：2024-04-28

Applicant: 南京信息工程大学

Inventor： 季笑 ,  张闯

IPC: H04W4/021 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0985 ,  G01S5/02 ,  H04W4/02 ,  H04W4/33 ,  H04W64/00

Abstract: 本发明公开了一种基于多模态融合和深度学习的无线室内定位方法及系统，所述方法包括以下步骤：（1）确定室内区域指纹参考点RP之间的间隔并划分子区域；（2）在每个参考点处采集信道状态信息，计算无线信号的功率时延以及角度到达；（3）构建多模态信息融合和卷积神经网络架构并将功率时延以及角度到达输入到模型进行训练；（4）利用元学习加速网络训练和部署并提升定位精度；本发明使用了多种指纹信息，并通过指纹特征融合网络实现了指纹信息的融合，生成了质量更高的用于后续定位的指纹信息；将元学习融入深度神经网络的训练中，使得模型可以学习出一组初始的元参数用于后续模型训练的微调，让室内定位系统可以更快，更有效地被部署。