.png){kind=icon}
返回
Robust Positioning Scheme Based on Deep Reinforcement Learning with Context-Aware Intelligence
.png){kind=icon}
OA
AI
DOI：10.3390/app152312785.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为实现在精确且鲁棒的定位系统，已开发出深度学习与经典滤波技术的融合方法。尽管技术取得了显著进步，但定位系统仍常面临信号遮挡、多径干扰和误差漂移等基本挑战。虽然采用LiDAR传感器的3D地图匹配技术能够缓解这些问题，但其实际应用受限于高昂成本、计算负担以及对预建模环境的依赖。为应对此问题，近期研究逐渐聚焦于通过基于深度学习的传感器融合与自适应滤波方法提升定位系统性能，并强调准确性和运行鲁棒性的改进。本文提出了一种无缝的分层情境感知智能定位系统（SH-CAIPS），通过整合传感器融合、两级离群值缓解门控机制以及基于深度强化学习（DRL）的噪声缩放与基于新息的自适应卡尔曼滤波器（IAKF）。结果表明，所提出的定位系统能够通过自适应调整测量噪声并根据模型预测与传感器测量之间的置信度分数动态更新位置，从而增强鲁棒性。仿真结果证实，相较于传统定位系统，基于所提SH-CAIPS的定位性能可得到显著提升。
Keyword:
context-aware intelligent positioning
seamless hierarchical positioning
deep reinforcement learning
innovation-based adaptive Kalman filter
期刊
A
IF:
2.5
论文数:
7.3K
被引数:
4
机构
引用论文
Context-Aware Integrated Navigation System Based on Deep Learning for Seamless Localization.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Deep Kalman Filter: Simultaneous Multi-Sensor Integration and Modelling; GNSS/IMU Case Study深度卡尔曼滤波器：多传感器同步集成与建模；GNSS/IMU案例研究OAAI
IF0
OAAI分享收藏
查看更多内容