[发明专利]步长预测方法、控制器、定位设备和可读存储介质

说明书

本发明公开了一种步长预测方法，该方法包括：获取目标对象步长相关的第一特征参数；根据所述第一特征参数和基于机器学习的预设神经网络，确定所述目标对象的步长预测值。本发明还公开了一种控制器、定位设备和可读存储介质。本发明旨在实现步长的准确预测，从而提高位置预测的准确度。

技术领域

本发明涉及智能设备技术领域，尤其涉及步长预测方法、控制器、定位设备和可读存储介质。

背景技术

室内定位指的是当人或者物体在室内时，获取其位置信息的定位技术。由于室内场所使用的全球定位系统在室内并不适用。因此，目前已开发了多种室内定位的新技术。

其中，有室内定位技术基于目标对象的步长进行位置预测，但是该技术中的步长是由积分而来的，这样所得到的步长存在累积误差，因此基于步长所得到的预测位置存在较大误差。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种步长预测方法，旨在实现步长的准确预测，从而提高位置预测的准确度。

为实现上述目的，本发明提供一种步长预测方法，所述步长预测方法包括以下步骤：

获取目标对象步长相关的第一特征参数；

根据所述第一特征参数和基于机器学习的预设神经网络，确定所述目标对象的步长预测值。

可选地，所述获取目标对象步长相关的第一特征参数的步骤包括：

获取所述目标对象的人体特征参数，以及获取所述目标对象的运动特征参数。

可选地，所述运动特征参数通过所述目标对象携带的传感器检测；所述获取所述目标对象的运动特征参数的步骤包括：

基于所述传感器获取所述目标对象的加速度信息、角速度信息和线速度信息，作为所述运动特征参数。

可选地，所述根据所述第一特征参数和基于机器学习的预设神经网络，确定所述目标对象的步长预测值的步骤之前，还包括：

判断所述目标对象是否产生运动行为；

当所述目标对象产生运动行为时，执行所述根据所述第一特征参数和基于机器学习的预设神经网络，确定所述目标对象的步长预测值的步骤。

可选地，所述获取目标对象步长相关的第一特征参数的步骤之前，还包括：

基于多个不同被测对象，获取多个步长相关的第二特征参数及对应的步长值；所述第二特征参数包括各所述被测对象的人体特征参数和运动特征参数；

在多个所述第二特征参数及其对应的步长值中，选取训练样本；

获取基于预设超参数构建的深度信念网络的预设学习模型；

通过所述预设学习模型学习所述训练样本，确定深度信念网络的模型参数；其中，所述模型参数包括权值和偏置；

根据所述预设超参数和所述模型参数，构建深度信念网络；

将所述深度信念网络作为所述预设神经网络。

可选地，所述将所述深度信念网络作为所述预设神经网络的步骤之前，还包括：

在多个所述第二特征参数及其对应的步长值中，选取测试样本；

基于所述测试样本获取所述深度信念网络的测试准确率；

判断所述测试准确率是否大于或等于预设准确率；

若是，则执行所述将所述深度信念网络作为所述预设神经网络的步骤；