典型文献
关于PDR算法步长估计模型的改进研究
文献摘要：
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.
文献关键词：
行人定位;步长估计;卡尔曼滤波;BP神经网络
中图分类号：
作者姓名：
邸克;刘茄鑫;杜佳佳;任杰;赵卫峰;刘宇
作者机构：
重庆邮电大学光电工程学院 重庆 400065
文献出处：
引用格式：
[1]邸克;刘茄鑫;杜佳佳;任杰;赵卫峰;刘宇-.关于PDR算法步长估计模型的改进研究)[J].电子测量与仪器学报,2022(11):178-185
A类：
B类：
PDR,步长估计,改进研究,微惯性测量单元,IMU,行人定位,定位信息,行人航迹推算,算法模型,传统算法,扩展卡尔曼滤波,误差补偿,补偿优化,加速度计,陀螺仪,原始数据,放入,神经网络算法,单参数,数步,经验模型,网络融合,融合基础,基础模型,步长模型,闭环精度,开环,误差发散
AB值：
0.378974
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
