步频探测与步长模型对比：精度与环境因素研究

本实验指导书主要探讨的是第4章的行人步频探测和步长估计，特别是在步长估计模型方面。自从行人航迹推算的概念提出以来，步长估计的研究一直是学术界的热点。最初的模型假设步长为常数，随后发展到线性模型，再到后来的非线性和神经网络模型，如使用前向BP网络，该网络的隐层包含16个节点，每个节点采用tansig函数。这些模型的目标都是提高步长估计的精度，目前的精度已能精确到1厘米级别，使得在排除航向误差时，PDR（惯性导航）定位精度达到几米。 实验在开阔的操场环境中进行，以减少环境干扰并确保参考系统Leica SR530 RTK的高精度测量。参与者在操场行走两圈，传感器MSP被安装在腰部，记录步频相关数据。通过RTK的数据，可以得到训练样本和参考步长，这对于模型的训练和评估至关重要。在对比实验中，研究了线性、非线性和神经网络三种不同的步长模型，它们分别基于不同的数学模型，但即使在不考虑航向误差的前提下，这些模型对定位精度的影响相对较小。 值得注意的是，尽管步长估计模型的进步显著，但实验发现，选择不同的步长模型对定位精度的影响有限，关键挑战在于如何准确校准航向误差。因此，对于室内定位和GPS辅助的行人导航系统，航向误差校准是提高整体定位性能的关键因素。 本研究由中国科学技术大学的陈伟博士进行，他的研究聚焦于结合GPS和自包含传感器的室内外无缝定位算法，旨在满足日益增长的行人导航定位需求，尤其是在信号衰减和复杂环境下的性能提升。作者强调，除了GPS外，利用其他传感器数据的融合，如加速度计，对于提高定位精度和连续性至关重要。 这篇论文不仅介绍了理论模型，还包含了实际操作和数据分析的过程，为室内和室外环境下行人定位技术的发展提供了有价值的参考。同时，它提醒我们，在追求定位精度的同时，不应忽视航向误差校准这一重要因素，这对于提升整个定位系统的性能具有重要意义。