一种基于深度学习的高精度行人步长估算方法

作者：朱平; 余学祥^*; 韩雨辰; 张灿; 肖星星

来源：测绘科学, 2023, 48(06): 19-130.

DOI：10.16251/j.cnki.1009-2307.2023.06.003

• 步长估计
• 堆栈式降噪自编码器
• 灰狼算法
• GRU网络
• 行人定位

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。

• 单位
  安徽理工大学