在現(xiàn)代商業(yè)、醫(yī)療、生活等領(lǐng)域中,人們對(duì)室內(nèi)位置的需求量不斷增加,傳統(tǒng)的室內(nèi)定位技術(shù)存在成本高,精度低等問(wèn)題。地圖數(shù)據(jù)是一種可以約束行人軌跡的數(shù)據(jù),融合地圖信息的室內(nèi)定位方法可以達(dá)到低成本,高精度的定位效果。本文立足于慣性導(dǎo)航技術(shù),結(jié)合深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí),將慣導(dǎo)數(shù)據(jù)與地圖數(shù)據(jù)進(jìn)行融合,提出了基于深度學(xué)習(xí)的地圖匹配算法,以及基于深度強(qiáng)化學(xué)習(xí)的地圖匹配算法。首先,本文研究了慣導(dǎo)與地圖進(jìn)行融合的方法,針對(duì)傳統(tǒng)地圖匹配方法中需要人工提取地圖特征的問(wèn)題,提出了基于深度學(xué)習(xí)的自動(dòng)地圖匹配算法。深度學(xué)習(xí)是一種基于大量數(shù)據(jù)的表征學(xué)習(xí)方法�；谡鎸�(shí)環(huán)境下的數(shù)據(jù)集,本文搭建了三組深度學(xué)習(xí)模型實(shí)現(xiàn)地圖匹配,分別是CNN模型、RNN模型和CRNN模型。在研究過(guò)程中,我們通過(guò)慣導(dǎo)設(shè)備收集了567組數(shù)據(jù),經(jīng)數(shù)據(jù)增強(qiáng),整理得到了帶標(biāo)簽的訓(xùn)練數(shù)據(jù)集。對(duì)比分析單純利用慣導(dǎo)進(jìn)行定位的方法,本文三種模型的定位誤差分別降低了59.9%、52.4%和64.9%。實(shí)驗(yàn)表明,本文中提出的基于深度學(xué)習(xí)模型的地圖匹配的方法,實(shí)現(xiàn)了地圖與慣導(dǎo)數(shù)據(jù)的融合,滿足室內(nèi)定位精度要求。隨后,本文針對(duì)傳統(tǒng)地圖匹配算法中出現(xiàn)的局部最優(yōu)問(wèn)題,利用行人慣導(dǎo)... 

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)與安排
第二章 地圖匹配數(shù)據(jù)融合算法
    2.1 引言
    2.2 基于慣性導(dǎo)航的室內(nèi)定位分析
    2.3 傳統(tǒng)地圖匹配數(shù)據(jù)融合算法
        2.3.1 基于粒子濾波的地圖匹配算法
        2.3.2 基于條件隨機(jī)場(chǎng)的地圖匹配算法
    2.4 深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)在地圖匹配中的應(yīng)用
        2.4.1 基于深度學(xué)習(xí)的地圖匹配算法
        2.4.2 基于強(qiáng)化學(xué)習(xí)的地圖匹配算法
    2.5 本章小結(jié)
第三章 基于深度學(xué)習(xí)的地圖匹配算法研究
    3.1 引言
    3.2 深度學(xué)習(xí)的建模分析
    3.3 基于深度學(xué)習(xí)的室內(nèi)定位算法
        3.3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合
        3.3.2 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合
        3.3.3 基于CRNN的數(shù)據(jù)融合
    3.4 數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)與模型訓(xùn)練
        3.5.2 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第四章 基于深度強(qiáng)化學(xué)習(xí)的地圖匹配算法研究
    4.1 引言
    4.2 深度強(qiáng)化學(xué)習(xí)建模分析
    4.3 深度強(qiáng)化學(xué)習(xí)的基本模塊設(shè)計(jì)
        4.3.1 動(dòng)作空間模塊設(shè)計(jì)
        4.3.2 狀態(tài)空間模塊設(shè)計(jì)
        4.3.3 獎(jiǎng)勵(lì)空間模塊設(shè)計(jì)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)與模型訓(xùn)練
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 結(jié)束語(yǔ)
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷及攻讀碩士學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的蜂窩信號(hào)室內(nèi)定位算法[J]. 楊伊璇.  中國(guó)電子科學(xué)研究院學(xué)報(bào). 2019(09)
[2]基于矩陣填充和壓縮感知的藍(lán)牙室內(nèi)定位方法[J]. 楊剛,柴雅文.  光通信研究. 2019(05)
[3]基于Wi-Fi信道狀態(tài)信息的室內(nèi)定位技術(shù)現(xiàn)狀綜述[J]. 陳銳志,葉鋒.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(12)
[4]基于條件隨機(jī)場(chǎng)模型的室內(nèi)地圖匹配算法[J]. 郭紅雨,任明榮,王普.  儀器儀表學(xué)報(bào). 2018(05)
[5]基于智能手機(jī)的室內(nèi)定位技術(shù)的發(fā)展現(xiàn)狀和挑戰(zhàn)[J]. 陳銳志,陳亮.  測(cè)繪學(xué)報(bào). 2017(10)
[6]基于粒子濾波的WiFi行人航位推算融合室內(nèi)定位[J]. 周瑞,李志強(qiáng),羅磊.  計(jì)算機(jī)應(yīng)用. 2016(05)
[7]LBS定位技術(shù)研究與發(fā)展現(xiàn)狀[J]. 劉成.  導(dǎo)航定位學(xué)報(bào). 2013(01)
[8]智慧校園:數(shù)字校園發(fā)展的必然趨勢(shì)[J]. 黃榮懷,張進(jìn)寶,胡永斌,楊俊鋒.  開放教育研究. 2012(04)
[9]從數(shù)字城市到智慧城市的理論與實(shí)踐[J]. 李德仁,邵振峰,楊小敏.  地理空間信息. 2011(06)
[10]基于RFID的智能停車場(chǎng)管理系統(tǒng)的研究與設(shè)計(jì)[J]. 郭穩(wěn)濤,何怡剛.  自動(dòng)化技術(shù)與應(yīng)用. 2010(06)

碩士論文
[1]基于深度學(xué)習(xí)的圖像與無(wú)線信號(hào)的融合定位關(guān)鍵技術(shù)研究[D]. 王鑫.北京郵電大學(xué) 2019
[2]基于LSTM和TCN的室內(nèi)定位系統(tǒng)研究與實(shí)現(xiàn)[D]. 劉熾.山東大學(xué) 2019
[3]基于深度學(xué)習(xí)的多傳感器室內(nèi)定位[D]. 宋小妹.華中科技大學(xué) 2019
[4]基于WiFi的室內(nèi)定位關(guān)鍵技術(shù)研究[D]. 張?zhí)扃?哈爾濱理工大學(xué) 2017
[5]基于深度學(xué)習(xí)的室內(nèi)定位算法研究[D]. 高歡斌.電子科技大學(xué) 2016
[6]基于智能手機(jī)平臺(tái)的地磁室內(nèi)定位系統(tǒng)[D]. 謝宏偉.南京大學(xué) 2015
[7]基于WiFi室內(nèi)定位關(guān)鍵技術(shù)的研究[D]. 姜莉.大連理工大學(xué) 2010



本文編號(hào)：3714551