一种基于多特征融合的少样本学习的定位方法

本发明涉及工业物联网应用技术领域，具体提供了一种基于多特征融合的少样本学习的定位方法，包括如下步骤：S1、使用BEiT对环境图像进行自监督预训练，获取潜在环境变量；S2、将射频信号参数通过多层感知器(MLP)映射到相同维度，保持多模态特征维度一致；S3、通过注意力机制将环境特征和实施例中提出了一种基于多特征融合的少样本学习的定位方法，说明基于多特征融合的少样本学习的定位方法与环境信息之间的联系并进一步处理，输出最终定位坐标；本发明在新环境中表现出色，通过整合多种特征，显著提高了室内定位的精度，为工业物联网中的高精度定位提供了一种高效且实用的解决方案。这一研究不仅填补了少样本学习在室内定位中的空白，还展示了预训练和注意力机制在复杂环境中的巨大潜力。