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！

申请/专利权人：辽宁科大物联科技有限公司

摘要：本申请涉及汽车UWB电子钥匙轨迹预测方法、系统、设备及存储介质，通过获取当前时刻之前的多个时刻的电子钥匙定位数据和当前时刻的电子钥匙定位数据；然后对当前时刻之前的多个时刻的电子钥匙定位数据进行归一化处理，得到归一化数据；将归一化数据输入至预先构建的预测模型，得到当前时刻的电子钥匙定位预测数据；本申请将当前时刻之前多个时刻的电子钥匙定位数据输入至预先建立的预测模型中，利用预测模型来预测当前时刻的电子钥匙定位预测数据。本申请可以基于电子钥匙定位预测数据来对实时定位数据进行验证，从而对实时定位数据进行验证。

主权项：1.汽车UWB电子钥匙轨迹预测方法，其特征在于，包括：获取当前时刻之前的多个时刻的电子钥匙定位数据和当前时刻的电子钥匙定位数据，其中，所述电子钥匙定位数据包括车辆上的多个锚点与电子钥匙的UWB测距数据；对所述当前时刻之前的多个时刻的电子钥匙定位数据进行归一化处理，得到归一化数据；将所述归一化数据输入至预先构建的预测模型，得到当前时刻的电子钥匙定位预测数据，所述预测模型的构建方法如下：获取训练数据集，其中，所述训练数据集均包括多组时序样本，每个时序样本包括作为输入数据的多组电子钥匙定位数据以及作为标签的多组电子钥匙的坐标值；基于所述训练数据集对预先构建的GRU神经网络进行训练，得到预测模型；基于所述训练数据集对预先构建的GRU神经网络进行训练，得到预测模型，包括：S1，对所述训练数据集进行归一化处理，得到归一化后的训练数据集，其中，所述归一化后的训练数据集包括多个归一化后的时序样本；S2，选择一组归一化后的时序样本的训练数据作为当前输入数据；S3，将所述当前输入数据中的训练数据输入至预先构建的GRU神经网络中，得到预测值；S4，基于预先构建的代价函数计算所述预测值与所述当前输入数据的标签值的损失；S5，调节GRU神经网络参数，以降低损失；S6，选择下一组归一化后的时序样本作为当前输入数据，并重复执行S3-S5，得到多个损失值，使用均方误差对所述多个损失值进行评价，在损失值趋于收敛时，训练完成并得到预测模型；对所述当前时刻之前的多个时刻的电子钥匙定位数据进行归一化处理，或者对所述训练数据集中的训练数据进行归一化处理的计算公式为：d’＝d-d_mind_max-d_min对所述训练数据集中的标签进行归一化处理的计算公式为：d’＝d-d_mind_max-d_min*2-1式中，d’为归一化后的数据，d为归一化前的数据，d_min为所述当前时刻之前的多个时刻的电子钥匙定位数据或者训练数据集中的最小距离值，d_max为所述当前时刻之前的多个时刻的电子钥匙定位数据或者训练数据集中的最大距离值；在所述当前时刻的电子钥匙定位数据与所述当前时刻之前的多个时刻的电子钥匙定位数据相比，存在跳变时，基于所述当前时刻的电子钥匙定位预测数据对所述当前时刻的电子钥匙定位数据进行修正。

全文数据：

权利要求：

百度查询： 辽宁科大物联科技有限公司 汽车UWB电子钥匙轨迹预测方法、系统、设备及存储介质