-
公开(公告)号：CN111707260A
公开(公告)日：2020-09-25
申请号：CN202010584528.3
申请日：2020-06-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于频域分析及卷积神经网络的定位方法，基于载体惯性测量单元中的加速度计和陀螺仪，通过离散时间傅里叶变换生成离散时间信号的频谱图，并设计卷积神经网络通过挖掘频谱图中高纬度特征，获得载体的位姿变换，进而实现载体定位。本发明在不限制安放传感器载体类型和位置的情况下，仅利用原始的惯性测量单元数据通过滑动窗口的形式送入神经网络，可以准确且鲁棒的实现定位功能。
-
-
Patent Agency Ranking
公开(公告)号：CN111174791A
公开(公告)日：2020-05-19
申请号：CN202010020211.7
申请日：2020-01-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双向长短期记忆网络的定位修正方法，包括以下步骤：采集原始数据，并对原始数据进行预处理，得到处理数据；构建双向长短期记忆网络，并对其进行训练；将原始数据输入训练完成的双向长短期记忆网络，获取零速判断结果；当零速判断结果为零速时，根据处理数据，利用卡尔曼滤波器对导航坐标系下的速度和位置信息进行修正。本发明能够精准的进行零速判断，实施的复杂度低，具有高的计算效率和拥有良好的鲁棒性。
-
公开(公告)号：CN111623797B
公开(公告)日：2022-05-20
申请号：CN202010524292.4
申请日：2020-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的步数测量方法，其包括以下步骤：S1、采集足部的惯性原始数据；S2、采用固定步长滑动窗口对惯性原始数据进行分割，得到若干分割后的序列数据；S3、对于每个序列数据，将其拆分并排列为前向数据和后向数据；S4、基于前向数据和后向数据通过对称型循环卷积神经网络获取目标对象处于站立状态的概率；S5、判断目标对象的足部是处于摆动状态还是处于站立状态；S6、将目标对象由站立状态切换为摆动状态的总次数作为其测量过程中的总步数，完成步数测量。本方法在不需要运动模式和行人信息的情况下，将原始的惯性单元数据通过滑动窗口的形式送入神经网络，可以准确且鲁棒的实现行人步数的检测。
-
公开(公告)号：CN111623797A
公开(公告)日：2020-09-04
申请号：CN202010524292.4
申请日：2020-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的步数测量方法，其包括以下步骤：S1、采集足部的惯性原始数据；S2、采用固定步长滑动窗口对惯性原始数据进行分割，得到若干分割后的序列数据；S3、对于每个序列数据，将其拆分并排列为前向数据和后向数据；S4、基于前向数据和后向数据通过对称型循环卷积神经网络获取目标对象处于站立状态的概率；S5、判断目标对象的足部是处于摆动状态还是处于站立状态；S6、将目标对象由站立状态切换为摆动状态的总次数作为其测量过程中的总步数，完成步数测量。本方法在不需要运动模式和行人信息的情况下，将原始的惯性单元数据通过滑动窗口的形式送入神经网络，可以准确且鲁棒的实现行人步数的检测。
-
公开(公告)号：CN111707260B
公开(公告)日：2022-09-06
申请号：CN202010584528.3
申请日：2020-06-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于频域分析及卷积神经网络的定位方法，基于载体惯性测量单元中的加速度计和陀螺仪，通过离散时间傅里叶变换生成离散时间信号的频谱图，并设计卷积神经网络通过挖掘频谱图中高纬度特征，获得载体的位姿变换，进而实现载体定位。本发明在不限制安放传感器载体类型和位置的情况下，仅利用原始的惯性测量单元数据通过滑动窗口的形式送入神经网络，可以准确且鲁棒的实现定位功能。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
