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！

龙图腾网获悉同济大学申请的专利一种基于联邦学习惯性导航融合定位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：CN116026339B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310037751.X，技术领域涉及：G01C21/20；该发明授权一种基于联邦学习惯性导航融合定位方法是由刘儿兀;王杰;武业博;吴小龙设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本一种基于联邦学习惯性导航融合定位方法在说明书摘要公布了：一种基于联邦学习惯性导航融合定位方法，使用联邦边缘学习方法预测速度，获取定位信息，然后使用单锚点测距进行分段融合的方法，包括如下步骤：惯导数据输入；坐标映射转换；联邦边缘模型和训练；坐标映射转换；分段融合定位。本发明创新性的使用了一种联邦学习数据驱动的惯性导航方法，可以解决集中式深度学习方法带来的问题，同时采用边缘端单锚点测距分段融合定位的方法，可以在低成本下极大的提高系统的定位精度。

本发明授权一种基于联邦学习惯性导航融合定位方法在权利要求书中公布了：1.一种基于联邦学习惯性导航融合定位方法，其特征在于，使用联邦边缘学习方法预测速度，获取定位信息，然后使用单锚点测距进行分段融合的方法； 步骤1、惯导数据输入 行人手机获取惯导原始数据，惯导数据包括陀螺仪和加速度计的X、Y、Z三轴数据； 步骤2、坐标映射转换 将载体坐标系转换到HACF，即航向不可知坐标系，计算方法如下： 式中、分别表示HACF和载体坐标系下的数据，是手机获取的游戏旋转矢量，通过游戏旋转矢量载体坐标系下的数据转换到HACF； 步骤3、联邦边缘模型和训练 联邦学习模型系统由一个中心服务器和N个客户端组成，其中每个客户端维护一个本地数据集，本地数据集的大小为；同时中心服务器端也持有一份测试数据集，用于测试当前模型训练的结果；在第t个轮次开始时，中心服务器会随机挑选比例为C的客户记为|S|，参与到模型的训练过程中，中心服务器将全局模型权重下发给选中的客户端，在接收到之后，选中的每个客户端通过得到更新后的本地模型参数，其中是一种损失函数；将本地的深度学习模型更新上传到中心服务器，中心服务器利用来更新全局模型参数；在每次得到新的全局模型后通过在数据集上进行测试，如果精确度满足需求或者轮数达到预先设置好的阈值则完成训练； 步骤4、坐标映射转换 将步骤3中航向不可知坐标系HACF下的二维速度矢量需要转换到步骤5中世界坐标系下； 步骤5、分段融合定位 经过步骤3训练得到的最优联邦边缘模型后，输入经过步骤2转换得到陀螺仪和加速度计三轴数据，最优联邦边缘模型输出得到的是航向不可知坐标系下的二维矢量速度和，这个速度矢量再通过坐标转换到世界坐标系下，将速度进行积分，其中k代表时间，则获得位置信息，这个位置信息用于步骤5中进行数学建模，同时建模信息还需要边缘端的测距信息即 其中Pk、Zk分别是在k时刻行人的位置坐标和UWB基站锚点到手机的测距值，是单UWB基站锚点的位置。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。

以上内容由龙图腾AI智能生成。