行人导航状态识别与传感器优化选择

摘要:

摘要：为避免过多传感器的配置在行人导航状态分类时引入冗余信息，提出了一种传感器配置优化方法。根据采集的惯性传感器三轴加速度和角速度信息，基于K均值聚类算法(K-means)、自组织映射算法(SOM)和混合高斯聚类算法(EM-GMM)对行人运动状态进行识别；选取轮廓系数、戴维森堡丁指数、卡林斯基-哈拉巴斯指数三个内部评价指标及执行时间对聚类效果进行综合对比，得出在行人状态识别中K-means聚类方法较优；基于K-means聚类最优模型，对二维、三维、六维不同传感器配置下的轮廓系数进行综合对比，得出二维和三维行人惯性导航系统即可有效实现行人运动状态识别，有效解决了六维特征空间中因多变量复杂相关导致的难以准确建模的难题，为多传感器的行人导航状态识别提供了新途径。

Abstract: