10.16251/j.cnki.1009-2307.2023.06.003
一种基于深度学习的高精度行人步长估算方法
针对行人惯性导航定位(PDR)算法中传统步长估计方法精度不高,现有的长短时记忆(LSTM)网络计算复杂度高的问题,该文提出一种基于堆栈式降噪 自编码器、灰狼优化算法与门控循环单元(SDAE-GWO-GRU)的步长估计模型.采用深度学习网络SDAE对加速度数据进行降噪重构,然后将降噪后的数据输入经GWO优化后的GRU网络中进行训练.实验表明,该文的步长估计模型的单步步长误差率均值为1.09%,标准差为0.94%,精度优于传统的步长估计方法.
步长估计、堆栈式降噪自编码器、灰狼算法、GRU网络、行人定位
48
TN929.53;TP212
安徽省科技重大科技专项;安徽省重点研究与开发计划项目;安徽省自然科学基金;安徽理工大学研究生创新基金项目
2023-10-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
19-26,130