-
题名卷积-长短期记忆神经网络超宽带定位方法
- 1
-
-
作者
李大占
宁一鹏
赵文硕
孙英君
王川阳
-
机构
山东建筑大学测绘地理信息学院
浙江水利水电学院测绘与市政工程学院
-
出处
《导航定位学报》
CSCD
北大核心
2024年第1期97-105,共9页
-
基金
国家自然科学基金项目(42204011)
山东省自然科学基金项目(ZR2021QD058)。
-
文摘
针对室内视距环境下超宽带(UWB)观测值中的测距误差影响定位精度的问题,提出一种基于卷积神经网络与长短期记忆网络(CNN-LSTM)相结合的UWB测距误差改正模型:将基站与标签之间的测距值和Chan算法解算的标签初始坐标作为卷积神经网络(CNN)的输入,借助CNN良好的数据特征提取能力,充分挖掘UWB测距值的特征;然后利用长短期记忆网络(LSTM)进行进一步的特征学习,并进行训练和预测UWB测距值,以减少测距误差对UWB测距值精度的影响;最后,利用高斯-牛顿迭代算法求解出最终的UWB定位结果,同时,建立多项式和指数函数UWB测距误差改正模型,并与本文方法进行对比分析。实验结果表明,在静态和动态实验下,基于CNN-LSTM网络模型结果的精度均优于其他2种模型,证明该算法可有效降低测距误差,提高UWB的定位精度。
-
关键词
超宽带(UWB)
定位
卷积神经网络和长短期记忆网络(CNN-LSTM)
多项式函数
指数函数
-
Keywords
ultra wide band(UWB)
location
convolutional neural network and long short-term memory network(CNN-LSTM)
polynomial function
exponential function
-
分类号
P228
[天文地球—大地测量学与测量工程]
-