为提高低成本惯性测量单元(intertial measurement unit, IMU)阵列的行人航位推算(pedestrian dead reckoning, PDR)定位精度,首次提出了采用多层感知机(multi-layer perceptron, MLP)实现低成本IMU阵列数据融合的算法,通过将自主设计的...为提高低成本惯性测量单元(intertial measurement unit, IMU)阵列的行人航位推算(pedestrian dead reckoning, PDR)定位精度,首次提出了采用多层感知机(multi-layer perceptron, MLP)实现低成本IMU阵列数据融合的算法,通过将自主设计的IMU阵列和高精度IMU同步运动来获得IMU阵列的测量数据(包括三轴加速度和三轴角速度)和高精度IMU的测量数据,以高精度IMU的测量数据作为标签,利用MLP将IMU阵列的测量数据融合,预测出物体的实际加速度和角速度,并用定位算法进行验证。在定位实验中,使用MLP融合后的预测数据的PDR定位精度比使用单个IMU测量数据的PDR定位精度提高了33.9%;比使用简单平均处理的IMU阵列测量数据的PDR定位精度提高了20.8%;比使用最小二乘法融合的IMU阵列测量数据的PDR定位精度提高了11.6%,证明了本文所提出方法的可行性和有效性。展开更多
文摘为提高低成本惯性测量单元(intertial measurement unit, IMU)阵列的行人航位推算(pedestrian dead reckoning, PDR)定位精度,首次提出了采用多层感知机(multi-layer perceptron, MLP)实现低成本IMU阵列数据融合的算法,通过将自主设计的IMU阵列和高精度IMU同步运动来获得IMU阵列的测量数据(包括三轴加速度和三轴角速度)和高精度IMU的测量数据,以高精度IMU的测量数据作为标签,利用MLP将IMU阵列的测量数据融合,预测出物体的实际加速度和角速度,并用定位算法进行验证。在定位实验中,使用MLP融合后的预测数据的PDR定位精度比使用单个IMU测量数据的PDR定位精度提高了33.9%;比使用简单平均处理的IMU阵列测量数据的PDR定位精度提高了20.8%;比使用最小二乘法融合的IMU阵列测量数据的PDR定位精度提高了11.6%,证明了本文所提出方法的可行性和有效性。
