关于PDR算法步长估计模型的改进研究

摘要：

为了更加精确地判别基于微惯性测量单元(IMU)的行人定位信息,本文深入研究了传统行人航迹推算(PDR)算法模型,发现传统算法所采用的判别条件单一且精准度不高.针对传统算法中步长估计模型不准确的问题,本研究首先提出一种基于扩展卡尔曼滤波的误差补偿优化算法,以实现IMU内集成的加速度计、陀螺仪等传感器的误差补偿.将优化后的原始数据放入BP神经网络算法对单参数步长估算经验模型进行训练.实验结果表明,基于BP神经网络融合基础模型的步长算法相比单纯的基础步长模型,闭环精度提高了 0.3％以上,开环误差减小了 8.5倍,基于BP神经网络的改进PDR算法可以有效抑制惯性算法的误差发散.

关键词：行人定位、步长估计、卡尔曼滤波、BP神经网络

所属期刊栏目：36

分类号：TP212.9;TN912.3(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：178-185