基于迁移学习思想的场景自适应6G室内定位方法

本发明公开了一种基于迁移学习思想的场景自适应6G室内定位方法，通过高斯混合模型量化环境特征，设计多目标优化函数，得到标准场景基础指纹库；引入迁移学习思想，通过实时6G信号质量感知动态调整图结构连接强度；构建多源联合补偿函数，优化多径效应和多普勒效应的影响；最后基于域间差异动态反馈的误差补偿算法，通过最大均值差异量化基础指纹库与实时定位场景指纹库信号分布差异，以此作为分层融合环境因子对定位结果的优化权重，结合源定位模型的定位误差对定位结果进行自适应修正，以此得出室内定位结果。本发明解决了单一定位模型因场景切换导致定位精度下降或无法使用的问题，而且定位精度高。