公开(公告)号：CN116861993A

公开(公告)日：2023-10-10

申请号：CN202310703786.2

申请日：2023-06-14

Applicant: 电子科技大学

Inventor： 刘颖之 ,  魏凤生 ,  秦爽 ,  李晓倩 ,  冯钢

IPC: G06N3/098 ,  H04W4/021 ,  H04W4/02 ,  H04W4/33 ,  H04W64/00 ,  G06N3/0464

Abstract: 本发明涉及室内定位的技术领域，具体涉及是一种基于联邦学习的分布式室内定位方法、设备及其存储介质，包括构建室内定位场景，测量样本基于在一个时隙内接收的DL PRS生成训练数据集；基于训练数据集，通过Resnet模型进行AI/ML深度学习；基于联邦学习的策略通过深度学习后的AI/ML预测室内定位场景中UE位置，采用分布式多点协同定位，针对数据集进行分布式训练，能够为用户提供个性化深度神经网络模型从而提高算法整体性能；采用联邦平均算法加元学习的策略，使用个性化的联邦学习，目标是找到一个初始共享模型，当前或新用户可以通过执行一个或几个步骤的梯度下降适应初始共享模型，从而对分布式的用户提供更个性化的模型。