-
公开(公告)号：CN114979951A
公开(公告)日：2022-08-30
申请号：CN202210548984.1
申请日：2022-05-20
申请人： 电子科技大学长三角研究院(衢州)
IPC分类号： H04W4/021 , H04W4/02 , H04W4/33 , H04W64/00 , G06F30/27 , G06F111/06 , G06F119/02
摘要： 本发明属于室内定位技术领域，具体涉及一种NLOS环境下针对未知干扰的三维定位方法。本发明在在NLOS环境下，根据已知测距信息建立三维约束优化定位模型，通过线性最小二乘法的定位结果建立约束并据此改进粒子群优化、鸡群优化、蚁狮优化算法的搜索范围用于求解所提定位方法。包括以下步骤：在室内设置4个固定的基站和一个待求的移动标签点，以室内一点为原点，建立空间三维坐标系；以超宽带的通信方式获取4个基站的三维坐标值以及各基站与标签节点的距离值；利用最小二乘法求出标签节点的三维坐标，保留除高度坐标外的二维坐标，利用约束优化重新计算标签节点的高度值。
-
公开(公告)号：CN114979952A
公开(公告)日：2022-08-30
申请号：CN202210548986.0
申请日：2022-05-20
申请人： 电子科技大学长三角研究院(衢州)
摘要： 本发明属于室内定位技术领域，具体涉及一种基于强化学习PPO算法的指纹室内定位方法。本发明提出的基于强化学习PPO算法的指纹室内定位方法，让模型与环境互动产生训练数据，以获得更高奖励作为驱动来更新网络。本发明的方法不再依赖带标签指纹库，提供定位服务与模型更新可以同步进行，在定位系统的部署效率上有很大的提升。随着环境变化，该方法可以采集最新的轨迹数据来更新网络让其面对环境的变化后依然有很好的定位表现。
-
公开(公告)号：CN116047896A
公开(公告)日：2023-05-02
申请号：CN202211279258.0
申请日：2022-10-19
申请人： 电子科技大学长三角研究院(衢州)
IPC分类号： G05B13/04
摘要： 本发明属于室内目标跟踪技术领域，具体是涉及一种室内不确定系统的定位和跟踪方法。本发明测量噪声与多源干扰下二阶非线性系统的模型相结合。首先通过最小二乘法得到位置信息的先验预估值，用于后续状态预估器的校准。然后设计基于径向基神经网络状态预估器同时对系统受到的集总干扰和系统的全部状态进行估计，得到一个相对于先验预测值更加平滑且准确的定位结果。最后使用预估器输出的系统状态以及集总干扰的预估值设计反步法控制律，驱动系统进行预设轨迹的跟踪。仿真结果表明所提出方法能够在测量噪声与多源干扰下获得准确且连续的定位、跟踪结果。
-
公开(公告)号：CN117191086A
公开(公告)日：2023-12-08
申请号：CN202311186170.9
申请日：2023-09-14
申请人： 电子科技大学长三角研究院(衢州)
摘要： 本发明属于校准惯性测量单元技术领域，具体地说是涉及一种用于IMU阵列的低复杂度自校准方法。本发明首先利用迭代最近点算法对IMU阵列上的IMU进行坐标系的对齐，得到各个IMU的初始姿态，继而分别针对加速度计和陀螺仪建立信号模型,利用最大似然估计求解出各个IMU的几何距离。本发明能有效解决传感器安装误差以及传感器芯片内部传感元件物理位置未知的问题，从而提高了复杂阵列的适用性与定位精度。因此本发明提出的一种IMU阵列低复杂度的自校准方法是一种能够良好适用于不同阵列类型的稳定校准方法。
-
公开(公告)号：CN117098067A
公开(公告)日：2023-11-21
申请号：CN202311051384.5
申请日：2023-08-21
申请人： 电子科技大学长三角研究院(衢州)
IPC分类号： H04W4/021 , H04W4/33 , G06F18/214 , G06F18/213 , G06F18/25 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明属于室内定位技术领域，具体涉及一种基于梯度融合的多模态深度学习室内定位方法。本发明的方法先提取不同模态数据的特征向量，在学习特征到现实坐标映射关系的同时，通过误差函数反过来影响特征向量的形成。由于各单模态的过拟合和泛化速度不同，多模态融合网络往往容易过度拟合。本发明中将单模态网络和多模态网络的梯度融合，增强了多模态网络的泛化性，改善了过拟合现象。因此，本发明提出的基于梯度融合的多模态深度学习定位方法是一种能够在复杂室内环境中实现准确定位的方法。
-
公开(公告)号：CN115345322B
公开(公告)日：2023-02-07
申请号：CN202211276348.4
申请日：2022-10-19
申请人： 电子科技大学长三角研究院(衢州)
IPC分类号： G06N20/10 , G06V10/26 , G06V10/764 , G06V10/774 , G06V20/10
摘要： 本发明属于目标识别技术领域，具体的说是涉及一种基于小样本的层级化元迁移雷达目标识别方法。本发明基于注意力机制提取特征，在特征级、样本级、和任务级上的层级化深度知识迁移，以寻求一个嵌入空间使得样本接近同类目标的类别原子，远离于其他类目标的类别原子。其中，在特征级设计了基于注意力机制的特征编码器，充分挖掘样本全局性的域不变特征，以克服样本在数据分布上的域差异问题；在样本级设计原子编码器，生成更加稳定的类别原子，以避免离群样本的影响；在任务级，设计元学习器累积训练任务的学习经验迁移至新任务，培养模型跨任务知识迁移的能力，实现元迁移目标识别。本发明的目标识别方法是一种智能的目标识别方法。
-
公开(公告)号：CN115345322A
公开(公告)日：2022-11-15
申请号：CN202211276348.4
申请日：2022-10-19
申请人： 电子科技大学长三角研究院(衢州)
IPC分类号： G06N20/10 , G06V10/26 , G06V10/764 , G06V10/774 , G06V20/10
摘要： 本发明属于目标识别技术领域，具体的说是涉及一种基于小样本的层级化元迁移雷达目标识别方法。本发明基于注意力机制提取特征，在特征级、样本级、和任务级上的层级化深度知识迁移，以寻求一个嵌入空间使得样本接近同类目标的类别原子，远离于其他类目标的类别原子。其中，在特征级设计了基于注意力机制的特征编码器，充分挖掘样本全局性的域不变特征，以克服样本在数据分布上的域差异问题；在样本级设计原子编码器，生成更加稳定的类别原子，以避免离群样本的影响；在任务级，设计元学习器累积训练任务的学习经验迁移至新任务，培养模型跨任务知识迁移的能力，实现元迁移目标识别。本发明的目标识别方法是一种智能的目标识别方法。
-
公开(公告)号：CN114842081A
公开(公告)日：2022-08-02
申请号：CN202210548983.7
申请日：2022-05-20
申请人： 电子科技大学长三角研究院(衢州)
IPC分类号： G06T7/73 , G06T7/66 , G06T7/246 , G06V20/10 , G06V20/40 , G06V10/44 , G06V10/74 , G06V10/764 , G06K9/62
摘要： 本发明属于机器人定位技术领域，具体涉及一种基于视觉slam的机器人自主定位方法。本发明的方法主要是：通过获取的图片，从图片中获取FAST角点作为特征点，然后对机器人位姿状态初始化后，通过获取图片中相同特征点进行特征匹配，进而进行追踪。本发明通过跟踪连续帧之间的视觉特征，并在新获取到的图像帧中不断追踪新的特征，从而实现机器人实时定位。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.041 秒)
