公开(公告)号：CN114727229A

公开(公告)日：2022-07-08

申请号：CN202210325226.3

申请日：2022-03-30

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 郭贤生 ,  李彤 ,  张玉坤 ,  李林 ,  黄健 ,  段林甫 ,  钱博诚

IPC: H04W4/029 ,  H04W4/33 ,  H04W64/00 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明属于室内定位技术领域，具体是涉及一种面向异构环境的基于深度强化学习的轨迹定位方法。本发明充分利用了环境中的观测和智能体自身的历史动态信息，以智能体的位置、环境中具有设备异构性的RSS向量和过去n个时刻的历史动作为状态，用于动作的选择。再基于近场条件选择强于RSS阈值对应的APs，以构成选定的APs集合，再根据集合的大小计算最终奖赏值。依据MDP中设计的各要素对智能体的位置进行估计，并以奖赏值为学习导向基于经验重放机制和目标网络进行深度强化学习算法的迭代训练。本发明基于路径损耗模型得到具有设备异构性的仿真RSS数据，实验结果证明本发明所提方法能够实现较高的定位精度，并对处理异构RSS数据也具有一定的鲁棒性。

公开(公告)号：CN114979951A

公开(公告)日：2022-08-30

申请号：CN202210548984.1

申请日：2022-05-20

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 郭贤生 ,  黄河 ,  司皓楠 ,  韩璐飞 ,  张明恒 ,  钱博诚 ,  黄健 ,  张玉坤 ,  李林

IPC: H04W4/021 ,  H04W4/02 ,  H04W4/33 ,  H04W64/00 ,  G06F30/27 ,  G06F111/06 ,  G06F119/02

Abstract: 本发明属于室内定位技术领域，具体涉及一种NLOS环境下针对未知干扰的三维定位方法。本发明在在NLOS环境下，根据已知测距信息建立三维约束优化定位模型，通过线性最小二乘法的定位结果建立约束并据此改进粒子群优化、鸡群优化、蚁狮优化算法的搜索范围用于求解所提定位方法。包括以下步骤：在室内设置4个固定的基站和一个待求的移动标签点，以室内一点为原点，建立空间三维坐标系；以超宽带的通信方式获取4个基站的三维坐标值以及各基站与标签节点的距离值；利用最小二乘法求出标签节点的三维坐标，保留除高度坐标外的二维坐标，利用约束优化重新计算标签节点的高度值。

公开(公告)号：CN114578335A

公开(公告)日：2022-06-03

申请号：CN202210207643.8

申请日：2022-03-03

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 郭贤生 ,  李彤 ,  张妍 ,  段林甫 ,  张玉坤 ,  李林 ,  黄健

IPC: G01S11/06 ,  G06F17/18

Abstract: 本发明属于无人机辅助轨迹定位的方法，具体涉及一种基于多智能体深度强化学习与最小二乘算法的定位方法。本发明建模一个无人机群与目标机器人相互通信的场景，利用有标签的无人机群和目标机器人的轨迹数据，以及二者之间的接收信号强度进行定位。首先使用最小二乘算法对目标位置进行定位，然后基于多智能体深度强化学习算法对无人机群进行自主定位，同时评估对目标位置的估计。训练过程中，使用深度神经网络处理高维状态输入，借助标签位置信息计算奖赏值，并考虑到多个智能体之间的异构性，进行了相关的仿真实验。通过训练可以得到一个自适应的网络模型，对处理高维异构数据也有一定的鲁棒性。因此，本发明是一种良好的定位替代技术。

公开(公告)号：CN114979952A

公开(公告)日：2022-08-30

申请号：CN202210548986.0

申请日：2022-05-20

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 郭贤生 ,  张明恒 ,  司皓楠 ,  韩璐飞 ,  黄河 ,  钱博诚 ,  黄健 ,  张玉坤 ,  李林

IPC: H04W4/021 ,  H04W4/02 ,  H04W4/029 ,  H04W4/33 ,  H04W64/00 ,  G06N20/00

Abstract: 本发明属于室内定位技术领域，具体涉及一种基于强化学习PPO算法的指纹室内定位方法。本发明提出的基于强化学习PPO算法的指纹室内定位方法，让模型与环境互动产生训练数据，以获得更高奖励作为驱动来更新网络。本发明的方法不再依赖带标签指纹库，提供定位服务与模型更新可以同步进行，在定位系统的部署效率上有很大的提升。随着环境变化，该方法可以采集最新的轨迹数据来更新网络让其面对环境的变化后依然有很好的定位表现。

公开(公告)号：CN113657541A

公开(公告)日：2021-11-16

申请号：CN202110987414.8

申请日：2021-08-26

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 郭贤生 ,  张玉坤 ,  段林甫 ,  陆浩然 ,  袁杨鹏 ,  黄健 ,  李林

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于目标识别技术领域，具体的说是涉及一种基于深度知识集成的领域自适应目标识别方法。本发明实现了特征级和决策级的深度知识集成。在特征级设计公有映射矩阵和特有映射矩阵实现知识集成，提升目标识别性能的鲁棒性；其中，公有映射矩阵充分挖掘了异构特征的公有知识，特有映射矩阵保留了不同特征的特有知识。在决策级设计特征权重量化不同特征的重要程度，同时利用目标域样本通过在线学习更新特征权重，克服不同领域的数据分布差异，实现领域自适应目标识别。因此本发明提出的基于深度知识集成的领域自适应目标识别方法是一种智能的领域自适应目标识别方法。