基于PRCNN-Attention鲁棒零速检测的行人惯性导航方法

针对零速修正的行人惯性导航方法中MEMS IMU误差大且复杂多变、复杂运动类型下传统阈值零速检测鲁棒性差的问题,提出一种基于PRCNN-Attention鲁棒零速检测的导航方法。首先,引入注意力机制,突出不同运动类型下的关键信息,设计了基于并联式循环卷积网络的深度神经网络(PRCNN-Attention)框架,实现对零速状态的鲁棒识别;然后,将零速信息作为量测信息,基于不变扩展卡尔曼滤波器实现信息融合。最后,在公开数据集以及实际场景中对所提方法进行了验证。实验结果表明,相较于固定阈值零速检测方法和自适应阈值零速检测方法,所提方法在公开数据集上的零速检测精确率分别由0.752和0.920提升到0.978,导航误差分别降低了54.1%和31.8%,在实际场景中导航误差分别降低了28.1%和13.5%,验证了所提方法的鲁棒性和有效性。

资料为PDF文档格式.

本文档关键词:惯性,导航,行人,PRCNN,Attention