随着位置服务(location based service,LBS)应用需求的日益增加以及多部位微机电系统(micro electro mechanical system,MEMS)导航传感器的广泛普及,行人航位推算(pedestrian dead reckoning,PDR)越来越受关注,成为行人导航研究中主流...随着位置服务(location based service,LBS)应用需求的日益增加以及多部位微机电系统(micro electro mechanical system,MEMS)导航传感器的广泛普及,行人航位推算(pedestrian dead reckoning,PDR)越来越受关注,成为行人导航研究中主流的技术之一。但是,低成本的MEMS传感器测量噪声大,PDR解算误差积累严重;且PDR算法的普适性差,不同穿戴位置的MEMS导航传感器约束条件的可用性差异明显。提出了一种基于穿戴式MEMS传感器状态识别的多部位PDR算法。首先,采用支持向量机(support vector machine,SVM)进行全监督训练,实现了静止状态及运动状态下手部、腿部、腰部、足部4种穿戴位置的准确识别;然后,分析了不同穿戴位置下PDR算法的适用性,根据适用性分析结果提出了多部位PDR的综合解算策略。实测结果表明,该方法能够动态、准确地实现穿戴式MEMS传感器的状态识别,正确率达97%以上;应用PDR综合解算策略后,足部PDR能够实现高精度解算,累计误差为0.74%,而其他位置(手部、腿部、腰部)解算效果得到显著改善,累计误差从识别前的6.76%~21.19%减小为2.92%~5.62%。展开更多
文摘随着位置服务(location based service,LBS)应用需求的日益增加以及多部位微机电系统(micro electro mechanical system,MEMS)导航传感器的广泛普及,行人航位推算(pedestrian dead reckoning,PDR)越来越受关注,成为行人导航研究中主流的技术之一。但是,低成本的MEMS传感器测量噪声大,PDR解算误差积累严重;且PDR算法的普适性差,不同穿戴位置的MEMS导航传感器约束条件的可用性差异明显。提出了一种基于穿戴式MEMS传感器状态识别的多部位PDR算法。首先,采用支持向量机(support vector machine,SVM)进行全监督训练,实现了静止状态及运动状态下手部、腿部、腰部、足部4种穿戴位置的准确识别;然后,分析了不同穿戴位置下PDR算法的适用性,根据适用性分析结果提出了多部位PDR的综合解算策略。实测结果表明,该方法能够动态、准确地实现穿戴式MEMS传感器的状态识别,正确率达97%以上;应用PDR综合解算策略后,足部PDR能够实现高精度解算,累计误差为0.74%,而其他位置(手部、腿部、腰部)解算效果得到显著改善,累计误差从识别前的6.76%~21.19%减小为2.92%~5.62%。
