基于机器学习的室内移动目标定位方法及系统

本发明公开了基于机器学习的室内移动目标定位方法及系统，具体涉及室内定位技术领域，用于解决现有室内定位方法在目标间运动行为非独立场景下无法实时适应信号路径动态变化、定位精度下降的问题；通过获取多个移动目标的多源定位数据，将数据分组形成移动目标信号序列；依据信号传播路径特性和目标间交互特性提取多维特征向量；通过深度神经网络建模生成目标特征模型，预测初步位置信息；当检测到群体行为变化时，结合高阶图卷积网络和多尺度嵌入熵分析信号路径特性和分布复杂性；根据信号重叠程度和分布收敛速度判定群体同步程度；最后基于群体同步程度对初步位置信息修正，输出精准定位结果。