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！

龙图腾网获悉南京理工大学;江苏第二师范学院申请的专利一种基于集成学习和RNN神经网络的工业资产室内无线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：CN119172723B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411431250.0，技术领域涉及：H04W4/021；该发明授权一种基于集成学习和RNN神经网络的工业资产室内无线定位方法是由李骏;郭益群;倪艺洋;夏鹏程;金石;时龙设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种基于集成学习和RNN神经网络的工业资产室内无线定位方法在说明书摘要公布了：本发明公开了一种基于集成学习和RNN神经网络的工业资产室内无线定位方法，涉及移动工业资产目标室内定位技术领域，将WIFI定位与UWB定位相结合的方式，首先将大范围室内定位面积划分成单位区域，WIFI定位采用由各类机器学习算法模型聚合成的集成学习算法，用于解算移动目标具体所处区域；再使用该区域内的UWB定位RNN模型，确定移动目标在区域内的精准位置或移动路径；最后跟据精确定位的坐标反向传播误差、更新各类机器学习的权重以矫正模型，经过多次迭代逐步优化当前模型，达到该场景下的最佳定位模型。本发明建立了分级明确的移动目标室内定位方法，提供可靠的目标定位方法和流程，改进了现有定位方式分级不明确、适应性有限、不能全流程跟踪等弊端。

本发明授权一种基于集成学习和RNN神经网络的工业资产室内无线定位方法在权利要求书中公布了：1.一种基于集成学习和RNN神经网络的工业资产室内无线定位方法，其特征在于：具体包括以下步骤： 步骤S1：数据集构建，部署室内AP接入点位和信标点，采集信号强度标识符RSSI指纹库构建定位对应关系； 步骤S2：WIFI定位预测，根据AP接入点位测量得到的信号强度值，通过融合机器学习模型得到的集成学习算法进行实时位置解算，得到最大移动目标概率的所在位置区域； 在步骤S2中，具体包括以下步骤： S21：使用步骤S1中测得的测试集数据进行基于特定场景下的，同一地图不同时段的定位模型准确性测试，得到一组定位误差，设定误差阈值为 S22：初始化机器学习模型，初始化加权融合值T表示机器学习的模型的种类，将RSSI和位置坐标信息传入机器学习型作为定位参考； S23：使用T种机器学习模型分别对AP点位采集到的实时RSSI进行解算，解算出对应于一组信号强度值的T种机器学习模型预测的坐标点Lii＝1,2,...,T＝xi,yi； S24：根据加权融合值，将T种预测的坐标点进行异构数据定位坐标融合，融合为一个确定的坐标，融合采用增强加权K近邻算法，据误差阈值将大于阈值的参考点去掉，剩下的坐标点按照如下方式融合为WIFI区域定位坐标根据WIFI定位下的具体区域分布情况，将定位坐标定位到UWB具体区域，完成初步的定位： 步骤S3：UWB定位预测，结合步骤S2中的WIFI定位预测确定的具体位置区域，服务器调取位置区域内的UWB信标点所获取的原始数据，调用RNN模型解算出移动目标所在的精确位置，返回该位置坐标值； 步骤S4：反向更新聚合权重，根据精确定位的坐标点计算集成学习推算出的结果点均方误差大小，纠正WIFI定位过程中机器学习模型加权聚合的权值大小； 在步骤S4中，更新权重方式包括基于定位结果的反向更新过程，具体包括以下步骤： S41：基于步骤S2中WIFI定位预测所确定的T种预测的坐标点与步骤S3中得到的绝对坐标之间的均方误差σi 2，更新机器学习模型加权融合的权值Vi大小，得到Vi'为更新后的权值； S42：使用更新后的权值Vi'计算现有集成学习模型结果预测下，所有测试点的误差阈值，记为 步骤S5：返回步骤S2进行迭代，根据移动目标在室内各区域之间的位置变化和步骤S4中更新后的机器学习模型的权值，解算输出新的定位坐标，逐步缩小误差。

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南京理工大学;江苏第二师范学院，其通讯地址为：210094 江苏省南京市孝陵卫200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”。