| 成果基本信息 | ||||||
| 关键词: | 船舶,室内定位,深度学习,CSI指纹特征 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
一种基于CSI指纹特征迁移的船载环境室内定位方法,包括以下步骤:采集离线船舶运动数据和离线CSI数据;计算CSI矩阵与船舶运动数据之间的皮尔森相关系数,选取皮尔森相关系数最高的船舶运动数据作为船舶运动特征数据;将船舶运动特征数据输入到卷积自编码器得到船舶运动描述符;将船舶运动描述符和CSI矩阵输入基于无监督学习的指纹漫游模型,得到离线迁移CSI矩阵,利用深度学习策略来训练指纹漫游模型,以得到其中的参数;将采集的在线船舶运动数据和在线CSI数据经上述步骤处理得到迁移CSI指纹库,利用支持向量机进行位置匹配。本设计不仅降低了成本,而且提高了定位精度、减少了定位计算量 |