一种基于元学习的持续室内定位方法

本发明属于室内定位技术领域，具体是涉及一种基于元学习的持续室内定位方法。本发明通过元学习的双层优化方法，预训练学习一组能够快速适应多任务的初始化元参数。在此参数的基础上进行持续学习，利用经验重放池，在持续元学习的内层对齐样本梯度，促进模型在梯度对齐的地方共享参数，允许模型增量学习知识无需从头开始训练。本发明可以有效克服复杂室内环境中由于环境变化数据分布不同导致的误差增大的问题，从而本发明提出的环境自适应的基于元学习的持续室内定位方法是一种能够在复杂动态室内环境中实现持续准确定位的方法。