中国惯性技术学报 ›› 2022, Vol. 30 ›› Issue (6): 709-715.doi: 10.13695/j.cnki.12-1222/o3.2022.06.002
基于模拟多位置数据增强驱动零速检测的惯性行人导航方法
摘要： 通过零速校正可以对惯性行人导航递推中的惯性累加误差进行抑制，现有方法常使用基于固定阈值物理模型的零速检测器，但此类方法在步态变化下需要调整参数。基于数据驱动的方法可以避免对模型的调整参数，但传统网络泛化能力较差。针对此问题，提出了一种基于模拟多位置数据增强驱动长短期记忆网络（A-LSTM）零速检测器。通过将惯性量测信息基于物理模拟变化投影至不同的位置，模拟在不同位置情况下的输出，增强泛化能力。并提出基于端到端的LSTM网络对零速区间进行检测，使用扩展卡尔曼滤波器进行导航融合，实现对于不同步态、不同穿戴位置下准确的惯性行人导航。最后在包含行走、跑步混合步态的实验中验证了所提算法的导航性能。相较于固定阈值零速检测方法与未增强数据的深度学习零速检测算法，所提算法零速检测成功率提升15%与12%，相较未增强数据的深度学习零速检测算法，首尾定位误差降低了70%。