CN119485634A 基于贝叶斯滤波神经网络的定位方法、系统及电子设备 （清华大学）

循环神经网络通过包括运动似然和观测似然的解决现有技术中因在环境感知融合定位中应用2获取在每个采样时刻，基站在接收到目标对象发射的波形信号后将所述观测波形矩阵输入至预设的定位模型，得到所述定位模型输其中，所述定位模型利用循环神经网络对贝叶斯滤模型生成，所述观测似然基于采用参数估计算法确定的所述目标对象样本的位置信息生根据所述循环神经网络训练过程中的其他先验信息构所述其他先验信息包括基于回环检测、初值约束、地图约束以及生灭过4.根据权利要求1至3任一项所述的基于贝叶斯滤波神经网络的定位方法，其特征在将所述观测波形矩阵输入至所述定位模型的结果拟合层，由所将所述后验分布输入至所述定位模型的定位确认层，由所述定位确认定位模块，用于将所述观测波形矩阵输入至预设的定位模型其中，所述定位模型利用循环神经网络对贝叶斯滤模型生成，所述观测似然基于采用参数估计算法确定的所述目标对象样本的位置信息生基于所述循环神经网络训练过程中的其他先验信息3所述其他先验信息包括基于回环检测、初值约束、地图约束以及生灭过8.根据权利要求5至7任一项所述的基于贝叶斯滤波神经网络的定位系统，其特征在将所述观测波形矩阵输入至所述定位模型的结果拟合层，由所将所述后验分布输入至所述定位模型的定位确认层，由所述定位确认9.一种电子设备，包括存储器、处理器及存储在机程序被处理器执行时实现如权利要求1至4任一项所述的基于贝叶斯滤波神经网络的定45[0026]根据本发明所述的基于贝叶斯滤波神经网络的定位系统，所述定位模块具体用6算机程序被处理器执行时实现如上所述的基于贝叶斯滤波贝叶斯滤波结果进行拟合，从而解决了在面向环境感知融合定位中应用贝叶斯滤波算法，[0033]图1是本发明实施例提供的一种基于贝叶斯滤波神经网络的定位方法的流程示意[0036]图4是本发明实施例提供的一种基于贝叶斯滤波神经网络的定位系统的结构示意7[0041]可以理解的是，假设一个单基站超宽带定位系统包括一个P天线的基站和用户设y}T环境中有L个位置未知的反射面，可以使用基站相对于第l个反射面的像(定义为虚拟基站VA)来描述第l个反射面相对于基站的参数，则将k时刻未知的第l个VA的位置表示为[0050]可知的是，通过参数估计算法，可以直接从Yk中估计出各个MPC的ToA(Timeof[0055]但是，在环境信息没有先验的情况下，多径信息MPC无法提升用户位置的估计精[0056]然而，现有的贝叶斯滤波算法在应用于环境感知融合定位的任务时存在以下问8[0061]可以理解的是，以如上所述的包括一个P天线的基站和用户设备UE的单基站超宽过包括运动似然和观测似然的代价函数训练，运动似然基于目标对象样本的运动模型生[0064]本实施例中，通过包括运动似然和观测似然的代价函数[0065]下面具体说明本发明实施例提供的定位模型所采用的贝叶斯滤波网络(Bayesian2所示的在隐马尔可夫模型下推导使用循环神经网络对贝9ρ)即可输出贝叶斯滤波的结果。用额外的2L个(一个基站在二维地图中需要两个坐标来表示)可被梯度下降的随机变量表本发明实施例提供的利用循环神经网络对贝叶斯滤波结果进行拟合的定位模型的训练过L一个服从于标准正态分布的随机变量r对该分布进行重采样，获得采样结果每个采样[0092]本发明上述实施例提供的基于贝叶斯滤波神经网络的定位方法可以用于智能工[0093]基于同一总的发明构思，本发明还保护一种基于贝叶斯滤波神经网络的定位系贝叶斯滤波神经网络的定位系统与上文描述的基于贝叶斯滤波神经网络的定位方法可相[0095]获取模块410用于获取在每个采样时刻，基站在接收到目标对象发射的波形信号[0096]定位模块420用于将观测波形矩阵输入至预设的定位模型，得到定位模型输出的过包括运动似然和观测似然的代价函数训练，运动似然基于目标对象样本的运动模型生[0107]此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以基于采用参数估计算法确定的目标对象样本的位置信以是或者也可以不是物理上分开的，作为单元显示的部件可以