在磁干扰下改善室内行人智能手机的死亡计算,使用深度学习
Ping Zhu1,2, Xuexiang Yu1,2,3, Yuchen Han2,3
1School of Geospatial Information and Geomatics Engineering, Anhui University of Science and Technology, Huainan 232001, China.
本研究介绍了一种使用卷积神经网络 (CNN) 和支持矢量机 (SVM) 来检测智能手机传感器中的磁干扰的新方法. 这种方法显著提高了室内行人定位的准确性,尽管磁性干扰.
科学领域:
- 传感器技术和数据分析
- 人类运动分析分析
- 机器人与导航 机器人与导航
背景情况:
- 微电机系统 (MEMS) 传感器越来越多地集成到用于人类运动分析的智能设备中.
- 智能手机传感器中的磁干扰降低了方向估计的准确性,限制了应用.
研究的目的:
- 开发一种可靠的方法,利用传感器数据检测磁干扰.
- 为了提高室内行人定位准确度,在存在磁性干扰的情况下.
主要方法:
- 使用卷积神经网络 (CNN) 来自动从行人运动数据中提取特征.
- 基于提取的特征,使用支向量机 (SVM) 进行干扰检测.
- 为无干扰环境和受干扰环境开发了定向估计策略.
主要成果:
- 拟议的方法在检测磁干扰方面实现了99.38%的准确性.
- 评估显示,在不同的轨迹上,方向绝对误差 (2.1891°和1.5805°) 和定位误差 (0.7565m和0.3856m) 的平均值较低.
- 该方法在提高室内行人定位准确度方面表现出强大.
结论:
- 协同CNN-SVM方法有效地检测传感器数据中的磁干扰.
- 该方法显著提高了室内行人定位系统的准确性.
- 这项研究为在具有挑战性的磁环境中可靠导航提供了可行的解决方案.
更多相关视频
06:49Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment
Published on: December 11, 2015
08:57Measuring the Influence of Magnetic Vestibular Stimulation on Nystagmus, Self-Motion Perception, and Cognitive Performance in a 7T MRT
Published on: March 3, 2023
相关概念视频
Errors in Global Positioning System
Field Application of Global Positioning System
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
Introduction to Global Positioning System
Types of Global Positioning System Surveys
