一种基于粒子群算法优化LSTM神经网络的定位方法技术

本申请提出了一种基于粒子群算法优化LSTM神经网络的定位方法。该方法包括使用智能手机采集地磁、加速度、方位角以及陀螺仪数据，对采集的数据预处理，提取地磁特征值归一化；构建了粒子群算法优化的LSTM神经网络模型进行定位估计。同时针对IMU传感器数据，采用非线性模型KIM模型进行步长估计，使用地磁和方位角数据提取特征，设计实现了基于深度学习的神经网络模型预测航向角，解算目标位置。最后，将地磁估计作为观测模型，航迹推算估计作为量测模型，通过扩展卡尔曼滤波实现目标定位。

【技术实现步骤摘要】

本专利技术涉及室内定位领域，具体涉及一种基于粒子群优化lstm神经网络的定位方法。

技术介绍

1、gnss技术在室外环境下可实现全天时、全天候位置服务。在室内环境下，由于建筑物遮挡，卫星信号无法穿透进入室内，导致gnss失效。同时室内环境复杂多变，研究稳健普适的室内定位方法对位置服务具有更加重要意义。

2、目前，国内外研究学者已开展了一系列室内定位技术，如wi-fi定位，蓝牙定位，超宽带定位，伪卫星定位，超声波定位等。这些技术尽管凸显了相对较好的定位优势，但由于需预先布设基础设施，成本较高。因此在实际实施中，也面临成本与定位性能的矛盾而无法普及应用。

3、地磁信号具有很好普适性和稳定性，同时在室内环境，由于建筑物含有钢筋、电线、含铁门窗等含铁设施，导致室内地磁出现异常，为定位提供更加丰富的特征，同时目前智能手机标配地磁传感器，因此基于地磁定位技术可实现低成本定位。行人航迹推算是一种利用惯性传感器实现相对定位方法，定位算法包括步频检测、步长估计和方向角估计，从而完成定位估计。与其他定位技术相比，行人航迹推算复杂度低，无需依赖搭建任何外本文档来自技高网...

【技术保护点】

1.一种基于粒子群算法优化LSTM神经网络的定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求1所述的方法，其特征在于，

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求1所述的方法，其特征在于，

6.根据权利要求1所述的方法，其特征在于，

7.根据权利要求1所述的方法，其特征在于，

【技术特征摘要】

1.一种基于粒子群算法优化lstm神经网络的定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求1所述的方法，其特征在于，

4...

【专利技术属性】
技术研发人员：严素清，罗百惠，孙希延，肖建明，纪元法，符强，贾茜子，付文涛，赵松克，梁维彬，孙安青，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：