随着科技的发展,人们对于定位导航有了更细致更具体的要求,室内定位技术能够满足人们室内导航、消防救援的需求。惯性导航技术作为一种不依赖外界信号、成本较低的室内定位技术受到人们的关注。然而传统的脚绑式惯性导航技术存在误差累积速度过快、轨迹容易发散的问题,无法满足定位需求。为有效改善行人自主惯性导航技术的可靠性和有效性,论文在深入分析惯性导航系统误差二次发散问题的基础上,设计了一种新的行人自主定位算法,将加权时间约束引入脚步检测环节,将航向匹配引入航位推算环节,并利用卷积神经网络完成了步长估计。论文的主要研究内容包括以下几个部分:1.在利用垂向加速度进行脚步检测的过程中,针对传统峰值检测算法剔除伪峰值过程中存在的问题,论文引入了加权动态时间约束,辅以加速度差约束以及波峰对称性约束,有效提高了峰值检测的准确性。论文同时还利用低通滤波器进一步降低了加速度中的高频噪声干扰。2.传统步长估计算法存在的参数难以确定、参数与步长间的函数关系难以探寻、公式中超参数的数值难以测定的问题,论文将卷积神经网络用于步长估计环节,通过训练神经网络学习传感器数据中的步长特征,提高了步长估计的可靠性和鲁棒性。因没有合适的开源数据,论文还利用惯导模块自行采集、处理并制作了实验所需的测试与训练数据集。3.针对传统STH(直线轨迹更新)算法中航向信息利用不充分的问题,引入航向匹配算法,通过利用置信度较高的航向校正当前时刻的航向,进一步提高了航位推算的可靠性。针对传统零速检测算法使用角速度或者加速度模值检测存在的误检问题,论文还使用广义似然检测法增强了零速区间与非零速区间的差别,提高了零速检测的准确度。利用采集数据进行实验的结果显示,在长距离行走中,论文方法的定位误差约为2.1%。