摘要

针对行人惯性导航定位(PDR)算法中传统步长估计方法精度不高,现有的长短时记忆(LSTM)网络计算复杂度高的问题,该文提出一种基于堆栈式降噪自编码器、灰狼优化算法与门控循环单元(SDAE-GWO-GRU)的步长估计模型。采用深度学习网络SDAE对加速度数据进行降噪重构,然后将降噪后的数据输入经GWO优化后的GRU网络中进行训练。实验表明,该文的步长估计模型的单步步长误差率均值为1.09%,标准差为0.94%,精度优于传统的步长估计方法。

全文