【技术实现步骤摘要】
一种自适应融合定位方法及系统
[0001]本专利技术涉及定位
,尤其涉及一种自适应融合定位方法及系统。
技术介绍
[0002]现有的采用单源信号来确定位置精度不够准确,故现在对精准有要求的都采用多源异构数据融合定位。传统的多源融合方案,例如卡尔曼滤波、扩展卡尔曼滤波等,需要噪声的先验信息,而实际场景中很难获取精准的噪声模型,故通过该方案其定位精度也无法保证。
技术实现思路
[0003]针对上述问题中存在的不足之处,本专利技术提供一种自适应融合定位方法及系统。
[0004]为实现上述目的,本专利技术提供一种自适应融合定位方法,包括:
[0005]通过定位标签,采集Lora数据;
[0006]通过移动终端,采集GNSS、INS和WiFi数据;
[0007]基于LSTM网络将所述Lora数据、所述GNSS、INS和WiFi数据融合,获得当前位置;
[0008]其中,所述LSTM网络为两层级联的LSTM,上层LSTM网络为不同源信号融合后的特征抽取网络,下层LSTM网络为所述INS数据的特征抽取网络;
[0009]支持向量机处理所述INS数据,获得运动模式信息,所述运动模式信息包括车载模式和手持模式;
[0010]将所述INS数据的特征输入所述下层LSTM网络,获得相对位置的时序特征;
[0011]将所述Lora数据、所述GNSS和WiFi数据的特征归一化,得到特征集合;
[0012]将所述相对位置的时序特征、所述运动模式以及所述特 ...
【技术保护点】
【技术特征摘要】
1.一种自适应融合定位方法,其特征在于,包括:通过定位标签,采集Lora数据;通过移动终端,采集GNSS、INS和WiFi数据;基于LSTM网络将所述Lora数据、所述GNSS、INS和WiFi数据融合,获得当前位置;其中,所述LSTM网络为两层级联的LSTM,上层LSTM网络为不同源信号融合后的特征抽取网络,下层LSTM网络为所述INS数据的特征抽取网络;支持向量机处理所述INS数据,获得运动模式信息,所述运动模式信息包括车载模式和手持模式;将所述INS数据的特征输入所述下层LSTM网络,获得相对位置的时序特征;将所述Lora数据、所述GNSS和WiFi数据的特征归一化,得到特征集合;将所述相对位置的时序特征、所述运动模式以及所述特征集合输入所述上层LSTM网络,获得融合后的时序特征;所述时序特征经过两层感知机MLP得到最后的位置信息。2.根据权利要求1所述的自适应融合定位方法,其特征在于,所述支持向量机处理所述INS数据的公式为:其中,w和b分别为所述支持向量机的法向量和偏置;φ为所述支持向量机所使用的核函数;p为两种运动模式的概率,若p>0为手持模式否则表示为车载模式。3.根据权利要求2所述的自适应融合定位方法,其特征在于,将所述INS数据的特征输入所述下层LSTM网络,获得相对位置的时序特征包括:其中,σ为非线性函数;f
t
、i
t
和o
t
是具有相同尺寸的向量,分别为LSTM网络中忘记门、选择门和记忆门的输出;W
xi
,W
si
,W
ci
,W
xf
,W
sf
,W
cf
,W
xc
,W
sc
,W
xo
,W
so
和W
co
是对应的网络权重参...
【专利技术属性】
技术研发人员:张焱,
申请(专利权)人:句芒网络科技浙江绍兴有限公司,
类型:发明
国别省市:
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。