申请/专利权人：北京邮电大学

申请日：2021-12-13

公开（公告）日：2024-01-30

公开（公告）号：CN114199237B

主分类号：G01C21/16

分类号：G01C21/16;G01C21/20;G06F17/14

优先权：

专利状态码：有效-授权

法律状态：2024.01.30#授权;2022.04.05#实质审查的生效;2022.03.18#公开

摘要：本发明涉及基于WT‑DNN‑HCT的柔性晃动基座自主定位定向方法，是一种对柔性晃动基座进行定位定向的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：1确定人体运动惯性数据的正交小波变换；2确定阈值处理后的小波系数；3确定小波重构系数；4确定人体运动感知器模型；5优化人体运动感知器参数；6确定导航基准随机晃动模型。本发明克服了通常定位技术穿透力差、稳定性差、易受周围环境影响的缺点，将深度神经网络和小波变换以及齐次坐标转换相结合，综合应用到地下灾情遮蔽空间场景中，能够对地下空间人员起到精准定位定向。为柔性晃动基座自主定位定向提供了一种拥有较高准确率的方法。

主权项：1.一种基于WT-DNN-HCT的柔性晃动基座自主定位定向方法，特征在于：1确定人体运动惯性数据的正交小波变换；2确定阈值处理后的小波系数；3确定小波重构系数；4确定人体运动感知器模型；5优化人体运动感知器参数；6确定导航基准随机晃动模型；具体包括以下六个步骤：步骤一：确定人体运动惯性数据的正交小波变换：利用IIR滤波器对惯性器件实时采集的敏感人员运动信息进行初步处理，之后选择合适的小波和小波分解层数，确定以上采集到的数据的正交小波变换：yi＝xi+σzii＝0,1,…,n-1其中，上式yi表示人体运动惯性数据，xi是人体运动的原始信息，zi是一个标准的高斯白噪声，σ是噪声级，n是离散采样点数，i是采样点数；选择合适的小波和小波分解层数j，将上式的人体惯性数据进行小波分解至j层，得到相应的小波分解系数： 其中，上式中cj,k为尺度系数，dj,k为小波系数，j为分解层数，h,g是一对正交镜像滤波器组，N是离散采样数，m是离散型，n是连续值，k是连续值；步骤二：确定阈值处理后的小波系数 其中，上式中的Y是小波系数，t是小波系数的阈值，Th为一维小波系数直接重构；步骤三：确定小波重构系数cj-1,m： 其中，dj,m为小波系数，对人体运动惯性数据进行预处理后，进行周期划分和特征提取，构建人体运动惯性序列样本集；步骤四：确定人体运动感知器模型： 其中，jt是感知器模型输出变量，x是输入向量，q是第几个神经元，p是神经元的总个数，w是权值向量，b是偏置，T是转置符号；步骤五：优化人体运动感知器参数：以指数衰减的方式存储的历史梯度均值和历史梯度平方值更新权重mi和vi： 式中，e为向量间对应元素相乘，mi和vi分别是i时刻梯度的一阶矩和二阶矩估计，β1和β2是常数，mi-1和vi-1为i-1时刻的梯度的一阶矩和二阶矩估计，为代价函数J对wi-1的倒数，表示为梯度，即u为学习步长，ei为期望输出和实际输出之间的误差；确定mi和vi的修正值和 其中，表示β1的i次幂，表示β2的i次幂；对算法的权重进行更新： 式中，wi,j和wi-1,j分别表示i时刻权重wi的第j个分量、i-1时刻权重wi-1的第j个分量，表示i时刻修正的一阶矩估计的第j个分量，表示i时刻修正的一阶矩估计的第j个分量，ε是一个避免分母为0的很小的正常数；步骤六：确定导航基准随机晃动模型：利用深度学习对优化后的人体运动感知参数进行数据增强，采用齐次坐标变换HomogeneousCoordinateTransformation，HCT确定导航基准随机晃动模型Tnm： 其中，θx、θy、θz表示不同维度上的角度误差，δx、δy、δz指的是位移误差，x、y、z指的是x轴，y轴和z轴三个坐标系。

全文数据：

权利要求：

百度查询： 北京邮电大学 一种基于WT-DNN-HCT的柔性晃动基座自主定位定向方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD