【摘 要】
：
行人导航中不同运动状态下零速区间的运动数据也有所不同,这就要求零速检测算法具有良好的适应性.针对利用阈值实现零速检测的算法在多种运动状态下适应性差的问题,该文提出了一种基于改进K-means聚类的零速检测算法(zero-velocity interval detection algorithm based on improved K-means clustering,IKC).首先,在运动的开始阶段,通过K-means聚类对角速度数据进行聚类,从而得到零速区间与非零速区间的中心点;然后根据设定的数据点到中
【机 构】
：
海军航空大学航空基础学院,山东 烟台264001;海军航空大学岸防兵学院,山东 烟台264001;海军航空大学教练机模拟训练中心,葫芦岛125000
论文部分内容阅读
行人导航中不同运动状态下零速区间的运动数据也有所不同,这就要求零速检测算法具有良好的适应性.针对利用阈值实现零速检测的算法在多种运动状态下适应性差的问题,该文提出了一种基于改进K-means聚类的零速检测算法(zero-velocity interval detection algorithm based on improved K-means clustering,IKC).首先,在运动的开始阶段,通过K-means聚类对角速度数据进行聚类,从而得到零速区间与非零速区间的中心点;然后根据设定的数据点到中心点的距离条件对零速区间与非零速区间进行划分,相比于其他算法,优化了数据处理过程,有效缩短了计算时间,并且不依赖阈值条件,有效提高了该算法的适应性;同时,根据零速区间与非零速区间的持续时间判断运动状态是否改变,若发生改变则重新进行K-means聚类获取新运动状态的中心点.最后,在实际行人导航系统中对新提出的算法进行了实验验证,从计算量及行人导航精度等方面与步态特征提取的K均值聚类自适应判别算法(K-means clustering adaptive detection,KCA)、基于贝叶斯的自适应阈值零速检测算法(bayesian adaptive threshold detection,BAT)进行了对比分析.结果表明,本文提出的基于改进K-means聚类的零速检测算法不仅有效的减小了计算时间,而且具有较高的导航精度和导航稳定性.
其他文献
针对电涡流传感器容易受环境温度影响产生温度漂移这一现象,采用最小二乘支持向量机(LSSVM)建立回归模型,并将正余弦算法应用于回归模型的参数优化.通过正余弦算法对LSSVM的惩罚因子c和核函数参数δ进行优化选取,得到最佳的传感器回归模型,并和粒子群算法优化最小二乘支持向量机(PSO-LSSVM)进行比较.实验结果表明,SCA和PSO优化后模型计算结果均方误差分别为9.97×10-4、4.39×10-3,模型优化耗时分别为578s、782s,传感器温度灵敏度系数分别为8.73×10-6/℃、7.63×10-
矿产资源不仅是社会发展进步的物质基础,也是国民经济结构的重要组成部分.矿产资源开发过程中存在着开发方式不合理、忽视环境保护等问题.因此,我们必须更加重视矿区周围的环境保护和矿业企业的可持续发展.本文主要分析了矿产资源开发对环境的影响及防治措施.
为了解决传统传感器连通算法难以完全剔除连通干扰因子,导致节点连通性较差,提出将灰色关联分析方法应用在传感器节点连通算法设计中.采集传感器节点信息,确定各个节点之间的灰度关联关系,通过序列因子之间的极差转化剔除序列中的连通干扰因子.采用K邻近搜索算法获得特征点附近邻域点,并凭借特征向量与特征值建造局部节点连通范围平面.最后提取节点连通点与线的特征,利用矩形节点连通区域进行分割,从而实现传感器节点的高效连通.仿真分析结果表明,与传统连通算法相比,提出的算法能够降低节点跳数,并能够保持较高连通率与连通稳定性.因
为了提高动态温度测量的精度,提出了基于卷积网络的双热电偶动态温度测量方法.采用不同强度的高斯噪声,仿真获得两支时间常数互异的热电偶在高低温双温度源激励下的理论测量值.将理论测量值视为时间序列,采用卷积网络中的卷积神经网络和时间卷积网络对其进行建模,重建真实温度.计算结果表明,基于时间卷积网络的测量方法的均方根误差(RMSE)更小、拟合优度(R2)更大.以两支K型镍铬镍硅热电偶为对象,给出了一个算例,实验结果也表明,基于时间卷积网络的测量方法优于基于卷积神经网络的,该测量方法的RMSE为0.0284,R2为
在多模态脑机接口(Brain-computer interface,BCI)研究中,通道选择是直接影响系统性能的关键因素.针对脑电图(Electroencephalogram,EEG)和功能性近红外光谱(Functional near-infrared spectroscopy,fNIRS)各自通道之间存在冗余信息和噪声干扰,本文提出了一种基于PF(Pearson-Fisher,PF)系数的通道选择方法.首先将表征信号间相关性的Pearson系数与表征特征间可分性的Fisher值相结合,构建代表任务区分性
多维位移间的耦合是影响柔性四自由度位移传感器测量精度的重要因素,另外由于材料的高弹性,使传感器存在较大的迟滞以及一定的非线性,进一步影响了测量精度.针对以上问题,本文首先提出采用对传感器正反行程分别进行静态解耦的方法来解决迟滞的问题;其次,通过对三种常用解耦算法的分析比较,得出基于耦合误差建模的静态解耦算法适用于四自由度位移传感器的解耦,并在其线性的理论基础上推导得到了适合文中使用的四自由度位移传感器的非线性模型.结果表明,在使用基于耦合误差建模的静态非线性解耦算法后四自由度位移传感器的Ⅱ类误差降低了大约
针对MEMS陀螺仪因材质特性,制造工艺等差异导致输出数据受温度影响的问题.本文在传统温度误差补偿的基础上,提出将深度学习与神经网络相结合,通过LSTM神经网络进行温度误差补偿,从而减小温度变化引起的陀螺的温度漂移.分析了MEMS陀螺仪的温度特性,并在RNN神经网络模型的基础上,建立多层LSTM神经网络模型,利用基于ADAM的优化算法和时间反向传播BPTT算法对LSTM网络进行训练.将训练好的网络模型植入到STM32硬件中,进而实现对MEMS陀螺仪输出的实时温度补偿.实验表明,LSTM模型与RBF温度补偿模
针对缺失全球导航卫星系统(GNSS)信号条件下的低速无人车定位问题,在多状态约束卡尔曼滤波(MSCKF)框架下,提出了一种基于自适应零速修正机制的低速无人车定位方法(AZUPT-MSCKF).传统MSCKF算法利用惯性测量单元(IMU)传播车辆运动信息,并利用相机测量实现对运动信息的校正.然而,当无人车处于静止状态时,相机测量更新停止.受到IMU累积误差的影响,无人车的定位性能将迅速下降.对此,本文提出的AZUPT-MSCKF方法通过新增的自适应零速修正机制校正IMU的信息传播,使得无人车定位方法能较好地
针对目前图像重建方法去噪效果不佳,导致重建后图像分辨率较低的问题,提出基于单层小波变换的视觉传感图像超分辨率重建方法.建立低分辨率和高分辨率两种识别空间,分别计算含有噪声干扰区域、正常区域以及信道噪声参数三者间的欧式距离.利用二维平滑函数定义单层小波变换,有效去除视觉传感图像中的噪声,根据多尺度特性对图像中处于边缘微值的分辨率进行具体检测.对所有高分辨率点实行编码,再将编码后的图像系数按照分辨率的高低顺序整理为集合,输出图像完成重建.仿真实验证明,所提方法重建后图像清晰度较高,且结构相似性(Structu
对基于高分子聚合物的柔性传感器的研究进展进行了概述.从传感器的种类、材料、结构设计、制备工艺、传感原理等多个角度进行分析,并对这些传感器的主要性能(灵敏度、稳定性与重复性、响应时间、迟滞性等)进行评估.重点讨论基于高聚物的柔性传感器在可穿戴设备、柔性驱动以及疾病预防等领域内的应用,总结了当前国内外传感器技术研究所面临的问题,并对未来柔性传感器的发展进行展望.