SHAKF-PU:Sage-Husa适应卡尔曼基于过的行人特征参数更新机制,用于提高行人死亡计算中的步骤长度估计
Chinyang Henry Tseng1, Jiunn-Yih Wu2,3
1Department of Computer Science and Information Engineering, National Taipei University, New Taipei City, Taiwan.
Applied bionics and biomechanics
|February 16, 2024
概括
本研究引入了一种用于步骤长度估计 (SLE) 的新方法,用于行人死亡计算 (PDR),以改善室内定位. 与传统的线性更新相比,Sage-Husa适应卡尔曼基于过的PCP更新 (SHAKF-PU) 显著减少了错误.
科学领域:
- *导航和定位系统 *导航和定位系统
- * 信号处理和控制理论
背景情况:
- * 步骤长度估计 (SLE) 在室内定位中对于行人死亡计算 (PDR) 至关重要.
- * 传统的使用线性更新的SLE方法用于行人特征参数 (PCP) 估计,可能会导致显著的距离错误.
- *行人运动的变化需要适应性PCP估计,以准确定位.
研究的目的:
- *为了提高步骤长度估计 (SLE) 在行人死亡计数 (PDR) 系统的准确性.
- * 引入一个新的Sage-Husa自适应卡尔曼基于过的PCP更新 (SHAKF-PU) 机制.
- *通过改进PCP估计来提高室内定位准确度.
主要方法:
- * 实施Sage-Husa自适应卡尔曼波器 (SHAKF) 来预测历史数据趋势和估计PCP.
- *通过在每个更新周期中更新Q和R参数来进行PCP的自适应估计,其性能优于传统的卡尔曼过器.
- *对拟议的SHAKF-PU机制与线性更新方法的评估.
主要成果:
- *与线性更新方法相比,SHAKF-PU机制显示错误减少了24.86%.
- * SHAKF 的趋势预测能力导致 PCP 估计更接近真实值.
- *SHAKF中的自适应性参数更新 (Q和R) 导致更准确的PCP估计.
结论:
- * 拟议的SHAKF-PU机制显著提高了PDR中步骤长度估计的准确性.
- *通过SHAKF-PU改进的PCP估计直接有助于更精确的室内定位.
- * SHAKF-PU的适应性使得它能够应对行人运动的变化.
