公开(公告)号：CN110572772B

公开(公告)日：2020-12-08

申请号：CN201910861355.2

申请日：2019-09-12

Applicant: 电子科技大学

Inventor： 周亮 ,  周骏顺 ,  张丽佳

IPC: H04W4/02 ,  H04W4/021 ,  H04W4/33 ,  H04W64/00 ,  G06F17/18 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种基于GRNN‑AdaBoost的多设备融合定位方法，其包括获取智能手机和智能手表采集的用户运动轨迹的惯导数据，并对智能手机和智能手表的惯导数据进行预处理得到测试样本；将测试样本输入采用自适应增强算法训练的GRNN网络模型中，并输出GRNN网络的多个强回归预测器得到的预测值；选取多个强回归预测器得到的预测值的中值作为用户最终的定位坐标。本方案的定位方法通过由多个强回归预测器组成的GRNN网络预测智能手机与智能手表收集的惯导数据的预测值，在通过取中值的方式就可以得到最终的准确位置。

公开(公告)号：CN110572772A

公开(公告)日：2019-12-13

申请号：CN201910861355.2

申请日：2019-09-12

Applicant: 电子科技大学

Inventor： 周亮 ,  周骏顺 ,  张丽佳

IPC: H04W4/02 ,  H04W4/021 ,  H04W4/33 ,  H04W64/00 ,  G06F17/18 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种基于GRNN-AdaBoost的多设备融合定位方法，其包括获取智能手机和智能手表采集的用户运动轨迹的惯导数据，并对智能手机和智能手表的惯导数据进行预处理得到测试样本；将测试样本输入采用自适应增强算法训练的GRNN网络模型中，并输出GRNN网络的多个强回归预测器得到的预测值；选取多个强回归预测器得到的预测值的中值作为用户最终的定位坐标。本方案的定位方法通过由多个强回归预测器组成的GRNN网络预测智能手机与智能手表收集的惯导数据的预测值，在通过取中值的方式就可以得到最终的准确位置。