近日，国际测量领域TOP期刊《Measurement》(IF：5.6)发表题为“The application of gated recurrent unit algorithm with fused attention mechanism in UWB indoor localization”的研究成果。我院为唯一通讯单位，田亚林硕士为第一作者，连增增副教授为通讯作者，参与以上研究的还有西班牙加泰罗尼亚理工大学M. Amparo Núñez-Andrés教授，以及我院李克昭教授，岳哲老师等。

在众多室内定位与导航应用场景中，非视距误差产生的因素都是由人员移动引起的。因人员移动的自由性，该因素无法被先验控制，只能依照算法模型对数据进行判断。UWB测量数据都是与时间相关的，具有一定的时序性。而深度学习拥有强大的特征提取能力，能够对UWB测量数据中的非视距误差做出一定的修正。因此，该研究将门控循环单元算法（GRU）应用于UWB定位中。GRU能够对UWB时序数据进行处理，提取必要的特征信息，紧接的注意力机制层，能够通过训练对特征进行进一步筛选，使网络注意力集中在重要特征上，进一步提升了模型对非视距的判断能力，最后的全连接层能计算最终的精确坐标。

图1 现场实验方案

图2 误差分布直方图和正态拟合

该论文的研究得到了国家自然科学基金面上项目（42074039，42374029）、河南省自然科学基金项目（202300410180）、河南理工大学青年骨干教师资助计划（2022XQG-08）、河南理工大学博士基金资助项目（B2017-10）、河南省高校基本科研业务费专项资金资助（NSFRF230405，NSFRF210309）等的经费资助。

论文链接： https://doi.org/10.1016/j.measurement.2024.114835