典型文献
基于人类活动识别辅助的行人航位推算定位方法
文献摘要：
针对传统的行人航位推算(Pedestrian Dead Reckoning,PDR)算法无法适应目标在不同运动状态下的可靠定位问题,设计并提出了一种基于深度学习进行人类活动识别(Human Activity Recognition,HAR)辅助PDR的定位方法.在离线阶段使用Wavelet-CNN深度学习网络对智能手机内置MEMS传感器数据进行预处理和训练,得到HAR模型.在线实时定位阶段,基于HAR模型识别目标不同运动状态并自适应地调整行人步数检测及步长估计算法.在智能手机上实现了基于HAR辅助的PDR算法,并在试验环境下开展了大量的测试验证.实验结果表明,提出的基于深度学习进行HAR辅助PDR的定位方法能够准确识别多种复杂的人类运动状态,识别精度高达99.50％.同时,较先进PDR步数识别算法准确率提高了10.94％,最大定位误差降低约16.2％,验证了所提算法的有效性.
文献关键词：
行人航位推算;人类活动识别;卷积神经网络;智能手机;室内定位;深度学习
中图分类号：
作者姓名：
张琳;张冬雯;易卿武;黄璐;王新健
作者机构：
河北科技大学 信息科学与工程学院,河北 石家庄 050018;卫星导航系统与装备技术国家重点实验室,河北 石家庄 050081
文献出处：
引用格式：
[1]张琳;张冬雯;易卿武;黄璐;王新健-.基于人类活动识别辅助的行人航位推算定位方法)[J].无线电工程,2022(10):1803-1812
A类：
行人航位推算定位
B类：
人类活动识别,定位方法,Pedestrian,Dead,Reckoning,PDR,运动状态,定位问题,Human,Activity,Recognition,HAR,离线阶段,Wavelet,深度学习网络,智能手机,机内,内置,MEMS,传感器数据,实时定位,位阶,模型识别,整行,步数,步长估计,估计算法,试验环境,测试验证,准确识别,识别精度,识别算法,大定,定位误差,室内定位
AB值：
0.358352
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。
