买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种基于深度学习的城市峡谷GPS增强定位方法及系统。所述方法包括：将影响城市峡谷中GPS精度的多种因素（环境、时间、GPS卫星等）作为GPS定位点的上下文状态；深度神经网络模型通过GPS定位点的上下文状态预测定位误差；如定位误差大于可接受误差，深度神经网络模型则根据GPS定位点的上下文状态预测经校正后的GPS定位位置；维护移动模型以估计用户的运动速度，限制用户的可达区域，帮助确定正确的GPS定位位置以辅助校正。本发明可以预测GPS定位点的定位误差并快速有效地校正GPS的定位位置，提高GPS在城市峡谷中的定位性能，增强GPS的可靠性。

主权项：1.一种基于深度学习的城市峡谷GPS增强定位方法，其特征在于，包括：获取城市峡谷中GPS精度的影响因素数据，包括环境数据、卫星状态数据和定位时间数据，并将其转换为相同大小的矩阵；所述环境数据包括GPS初始位置周围的建筑高度和道路分布数据；其中，将影响因素数据转换为矩阵形式的方式为：a.对于环境数据，以GPS原始估计位置为中心构造正方形区域，并将该区域划分为若干正方形网格单元；将正方形网格单元按其所属环境对应赋值，构建得到环境矩阵；b.对于卫星状态数据，根据GPS卫星的高度角、方位角和信噪比绘制天空图；构造与环境矩阵同样大小的天空图矩阵，将天空图中的卫星映射至天空图矩阵，并对存在卫星的矩阵方格元素利用对应卫星的信噪比赋值；c.对于定位时间数据，将定位时的时间戳转换为n维向量，所述n维向量利用多层感知器转化为与环境矩阵、天空图矩阵同大小的矩阵，即时间戳矩阵；将转换得到的多个相同大小的矩阵共同输入训练好的编码器，获得编码了环境、时间和卫星状态信息的特征图；所述编码器为基于残差网络块的编码器；将所述特征图输入训练好的距离解码器，获得原始GPS定位点的定位误差的预测值；比较定位误差预测值与预设的误差阈值，如定位误差预测值＞可接受的误差值，则将所述特征图输入训练好的位置解码器，获得原始GPS定位点经校正后的定位位置；其中，所述编码器、距离解码器、位置编码器的训练方式为：以标记好的GPS定位点数据、与之对应的道路网络、建筑测量数据和卫星状态数据作为训练样本对所述编码器、距离编码器、位置编码器进行模型训练；距离解码器的训练目标为独热编码向量，正确的误差区间对应的元素值为1；采用交叉熵损失函数度量距离解码器的输出与训练目标之间的距离；位置解码器的训练目标为真实位置的高斯表示矩阵，高斯表示矩阵中真实位置对应的元素为最大值1；采用均方误差损失函数度量位置解码器的输出与训练目标之间的距离。

全文数据：

权利要求：

百度查询： 深圳大学 一种基于深度学习的城市峡谷GPS增强定位方法及系统