摘要
本发明涉及多模态自适应计步方法技术领域，特别是涉及一种基于深度学习的多模态自适应计步方法及系统，方法包括以下步骤：获得多源传感器数据；基于多源传感器数据，通过多分辨率特征提取网络提取多模态特征；利用量子启发的动态注意力机制对多模态特征进行加权，得到加权特征；将加权特征输入自适应多尺度融合网络，得到融合特征；基于融合特征，依次执行自监督预训练、迁移学习适配和在线学习，得到优化后的特征；对优化后的特征进行多尺度一致性检验，得到最终的计步结果；通过多模态数据融合和创新的深度学习架构，在各种复杂环境下都能保持极高的计步准确率(98.7％)；快速适应不同的佩戴位置和使用场景，适应性评分高达96.2％。
