消费级行人航位推算系统的关键算法研究

Pedestrian Dead-Reckoning is an important solution for indoor position services. This project plans to carry out research on algorithms and techniques of consumer-grade inertial measurement unit (CIMU) based pedestrian dead reckoning (PDR) system. We will establish the noise models of CIMU sensed acceleration, angular velocity and magnetic data. Then, rapid estimation of noise spectrum and adaptive noise filters will be used to decrease the noise. Besides, we will build database of CIMU sensing data, and deep learning will be used to establish predicting models for stride length and direction. Further, Modified Gain Extended Kalman Filters will be designed to obtain CIMU based PDR system with self-tunning features. Research results of this project can be used to improve the precision and stability of CIMU based PDR systems.

行人航位推算（Pedestrian Dead-Reckoning，PDR）系统是一种重要的“无卫星”、“无信标”条件下的人员导航及定位解决方案。本项目针对采用消费级惯性测量单元（Consumer-grade Inertial Measurement Unit，CIMU）的PDR系统中的关键算法和技术开展研究工作。项目主要研究内容包括：研究用于CIMU传感加速度、磁力等数据的自适应噪声频谱估计和滤噪算法；构建单步行走的CIMU传感数据集，采用深度学习对CIMU传感数据进行学习，获得可以预测单步行步长和方向的智能预测模型；基于智能预测模型和卡尔曼滤波理论，探索可以对PDR漂移误差进行自校正的理论和方法。本项目的研究成果可用于构建具有自校正特性的PDR系统，为“无卫星”、“无信标”条件下的人员导航及定位应用提供理论基础和低成本的解决方案。

行人航位推算（Pedestrian Dead-Reckoning，PDR）系统是一种重要的“无卫星”、“无信标”条件下的人员导航及定位解决方案。本项目针对采用消费级惯性测量单元（Consumer-grade Inertial Measurement Unit，CIMU）的PDR系统中的关键算法和技术开展研究工作。项目主要研究内容包括：研究用于CIMU传感加速度、磁力等数据的自适应噪声频谱估计和滤噪算法；构建单步行走的CIMU传感数据集，采用深度学习对CIMU传感数据进行学习，获得可以预测单步行步长和方向的智能预测模型；基于智能预测模型和卡尔曼滤波理论，探索可以对PDR漂移误差进行自校正的理论和方法。本项目的研究成果可用于构建具有自校正特性的PDR系统，为“无卫星”、“无信标”条件下的人员导航及定位应用提供理论基础和低成本的解决方案。..项目研究工作基本按照原定计划开展，原定研究目标及成果方面均顺利或超目标完成。研究成果对于PDR的核心原理有了深入的研究，积累了一批有价值的实验数据，为PDR系统的实际应用奠定了较好的应用基础。