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！

龙图腾网获悉吉林大学申请的专利基于深度强化学习的多信息众包轨迹融合方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116132921B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310074829.5，技术领域涉及：H04W4/029；该发明授权基于深度强化学习的多信息众包轨迹融合方法是由李赞;韩宇设计研发完成，并于2023-02-07向国家知识产权局提交的专利申请。

本基于深度强化学习的多信息众包轨迹融合方法在说明书摘要公布了：基于深度强化学习的多信息众包轨迹融合方法，具体涉及一种适用于室内定位的基于深度强化学习的多信息众包轨迹融合方法，为解决传统轨迹融合方法使真实场景中的众包轨迹融合精度低，导致室内定位精度低的问题。它包括获取待测目标在室内的PDR轨迹；定义室内地标，室内地标包括WiFi指纹和地磁指纹，判断不同PDR轨迹间WiFi相似度及WiFi相似轨迹的地磁动态时间归整距离；建立室内地标对PDR轨迹的全局关联约束，将获取最小化全局关联约束的过程建模为马尔科夫决策过程；利用深度强化学习网络解决马尔科夫决策过程，深度强化学习网络的输入是PDR轨迹和全局关联约束，从而控制每段PDR轨迹进行旋转和平移，实现轨迹融合。属于室内定位领域。

本发明授权基于深度强化学习的多信息众包轨迹融合方法在权利要求书中公布了：1.基于深度强化学习的多信息众包轨迹融合方法，其特征在于：它包括以下步骤： S1、获取待测目标在室内的PDR轨迹； S2、定义室内地标，室内地标包括WiFi指纹和地磁指纹，判断不同PDR轨迹间WiFi相似度及WiFi相似轨迹的地磁动态时间归整距离； S3、建立室内地标对PDR轨迹的全局关联约束，将获取最小化全局关联约束的过程建模为马尔科夫决策过程； 基于PDR轨迹和马尔科夫决策过程获得四元组，并计算当前室内地标对PDR轨迹的全局关联约束，将四元组和全局关联约束作为训练集对深度学习网络进行训练，输入PDR轨迹和全局关联约束，输出融合的PDR轨迹，直至全局关联约束最小化时，得到训练好的深度学习网络，具体过程为： S31、所述全局关联约束定义为加权物理距离之和： F＝∑i,jdi,jSi,j 其中，di,j为任意两条轨迹上检测有相似地标采样点之间的物理距离，Si,j为两条轨迹间两个地标采样点之间的相似度，对两种室内地标分别定义两种加权物理距离：FW和FM，所述两种室内地标为WiFi指纹和地磁指纹，对两种相似度进行归一化： S′＝S-ESσS 其中，ES为相似度均值，σS为相似度标准差； 利用归一化相似度S′，根据a＝[ax,ay,az]T计算两种加权物理距离FW和FM，ax,ay,az为加速度计三轴测量值，将FW和FM进行加权求和，得到两种地标融合的全局关联约束，即室内地标对PDR轨迹的全局关联约束： Fsum＝wW·FW+wMFM 其中，wW、wM分别为WiFi指纹和地磁指纹的权重，FW、FM分别为WiFi指纹和地磁指纹的加权物理距离； S32、将获取最小化全局关联约束的过程建模为马尔科夫决策过程，将PDR轨迹的位置和方位作为马尔科夫决策过程的状态，将PDR轨迹的移动与旋转作为马尔科夫决策过程的动作，则回报分为两类： 如果动作使得Fsum增大，则回报r设为负值； 如果动作使得Fsum减小，则回报r设为Fsum的倒数； 如果动作使得Fsum不变，则回报为0； S33、获取若干的待测目标在室内的PDR轨迹，根据PDR轨迹，基于马尔科夫决策过程获得四元组s,a,r,s′，其中s′为状态s执行动作a后的下一个状态，r为回报，并计算当前室内地标对PDR轨迹的全局关联约束，将四元组和全局关联约束作为训练集对深度学习网络进行训练，输入PDR轨迹和全局关联约束，输出融合的PDR轨迹，直至全局关联约束Fsum最小化时，得到训练好的深度学习网络； S4、获取某室内场景中待测目标的PDR轨迹及对应的室内地标信息后，计算室内地标对PDR轨迹的全局关联约束，将PDR轨迹和全局关联约束输入S3中的深度学习网络中，输出融合的PDR轨迹。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130023 吉林省长春市南关区人民大街5988号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。