行人惯性定位新动态：基于神经网络的方法、性能与展望.pdfVIP

第

51

卷

第

2

期自

动

化

学

报Vol.

51,

No.

2

2025

年

2

月ACTA

AUTOMATICA

SINICAFebruary,

2025

行人惯性定位新动态:基于神经网络的方法、性能与展望

121122122

李

岩

施忠臣

侯燕青

戚煜华

谢

良

陈

伟

陈洪波

闫

野

印二威

摘要行人惯性定位(Inertial

positioning,

IP)通过惯性测量单元(Inertial

measurement

unit,

IMU)的测量序列来估

计行人的位置,

近年来已成为解决室内或卫星信号遮挡环境下行人自主定位的重要手段.

然而,

传统惯性定位方法在双重积

分时易受误差源影响导致漂移问题,

一定程度上限制了行人惯性定位在长时间长距离实际运动中的应用.

幸运的是,

基于神

经网络(Neural

network,

NN)的方法能够仅从IMU历史数据中学习行人的运动模式并修正惯性测量值在积分时引起的漂

移.

为此,

本文对近期基于深度神经网络(Deep

neural

network,

DNN)的行人惯性定位进行全面综述.

首先对传统的惯性

定位方法进行了简要介绍;

其次,

按照是否融入领域知识分别介绍了端到端(End-to-end,

ETE)的神经惯性定位方法和融

合领域知识的神经惯性定位方法的研究动态;

然后,

概述了行人惯性定位的基准数据集和评价指标,

并分析比较了其中一些

代表性方法的优势和不足;

最后,

对该领域需要解决的关键难点问题进行了总结,

并探讨基于DNN的行人惯性定位未来所

面临的关键挑战与发展趋势,

以期为后续的研究提供有益参考.

关键词惯性测量单元,

位置跟踪,

神经网络,

行人航位推算,

自主导航,

移动设备

引用格式

李岩,

施忠臣,

侯燕青,

戚煜华,

谢良,

陈伟,

陈洪波,

闫野,

印二威.

行人惯性定位新动态:

基于神经网络的方法、性

能与展望.

自动化学报,

2025,

51(2):

271−286

DOI

10.16383/j.aas.c240221

CSTR

32138.14.j.aas.c240221

EmergingTrendsinPedestrianInertialPositioning:NeuralNetwork-based

Methods,PerformanceandProspects

12112

LI

Yan

SHI

Zhong-Chen

HOU

Yan-Qing

QI

Yu-Hua

XIE

Liang

2