【技术实现步骤摘要】
基于序列分组滑动窗口的室内定位方法及装置
[0001]本专利技术涉及室内定位
,尤其是基于序列分组滑动窗口的室内定位方法及装置。
技术介绍
[0002]目前,国内外学者提出了许多室内定位算法和技术,使用的信号源包括超宽带、Wi
‑
Fi、蓝牙、RFID、地磁等,使用地磁进行室内定位的方法主要分为两类:基于离散地磁信号的定位算法和基于地磁序列信号的定位算法。
[0003]基于离散地磁信号的定位算法计算方式简单、计算成本较低,但地磁信号的信号特征与其空间位置不具备规律相关性,因此在较大的室内场景下,离散地磁信号缺乏足够的定位特征区分度,加之室内环境噪声的影响,容易导致较大的定位误差。
[0004]基于地磁序列信号的定位算法需要对连续的地磁输入信号进行计算,长序列的匹配运算往往需要较高的计算复杂度,但使用较短序列则会面临定位特征不足的情况,导致定位精度下降。
技术实现思路
[0005]有鉴于此,本专利技术实施例提供一种精度高且运算复杂度低的,基于序列分组滑动窗口的室内定位方法及 ...
【技术保护点】
【技术特征摘要】
1.基于序列分组滑动窗口的室内定位方法,其特征在于,包括:构建基于分组滑动窗口的位置预测网络结构;通过滑动窗口对采集到的待确定路径上的地磁信号序列进行切割分组处理,得到多组地磁信号序列;将每组所述地磁信号序列输入所述位置预测网络后,得到各组地磁信号序列对应的位置序列。2.根据权利要求1所述的基于序列分组滑动窗口的室内定位方法,其特征在于,所述方法还包括位置预测网络的训练步骤,该步骤具体包括:对采集到的地磁信号进行分组预处理,使用Transformer网络结构训练每组各个地磁序列和对应位置获得定位模型,所述定位模型用于确定粗定位结果;构建多层时序特征提取结构和解码位置输出结构,提取地磁信号特征以及不同时刻所获信息间的关联特征;根据所述地磁信号特征、所述关联特征以及所述定位模型,构建位置预测网络模型;通过预处理后的地磁序列信号对所位置预测网络模型进行训练。3.根据权利要求2所述的基于序列分组滑动窗口的室内定位方法,其特征在于,所述对采集到的地磁信号进行分组预处理,使用Transformer网络结构训练每组各个地磁序列和对应位置获得定位模型,包括:对采集的地磁信号序列进行姿势校准处理;使用滑动窗口对姿势校准处理后的地磁序列进行切割分组处理,得到多组地磁序列,其中,每组地磁序列由多个地磁序列及对应位置标签组成;使用Transformer特征提取网络对切割所得的各组地磁序列及对应的位置标签进行训练,获得粗定位模型。4.根据权利要求2所述的基于序列分组滑动窗口的室内定位方法,其特征在于,所述构建多层时序特征提取结构和解码位置输出结构,提取地磁信号特征以及不同时刻所获信息间的关联特征,包括:构建基于Transformer网络的多层级特征提取网络来提取输入的每组地磁序列的地磁信号特征;构建基于编码器结构的关联信息提取网络提取每组地磁序列相互之间的关联特征;其中,所述地磁信号特征包括地磁序列特征...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。