文献类型：期刊文章

作　　者：杨秀莲[1] 李娟[1] 王梦杰[1] 吕杨[1] 孙秀慧[1] 戴洪德[2]

YANG Xiulian;LI Juan;WANG Mengjie;Lü Yang;SUN Xiuhui;DAI Hongde(Department of Statistics,College of Mathematics and Statistical Sciences,Ludong University,Yantai 264025,China;School of Basic Sciences for Aviation,Naval Aviation University,Yantai 264001,China)

机构地区：[1]鲁东大学数学与统计科学学院统计系,山东烟台264025 [2]海军航空大学航空基础学院,山东烟台264001

出　　处：《计算机测量与控制》

基　　金：山东省自然科学基金面上项目(ZR2017MF036);山东省高等学校青年创新团队(2020KJN003);山东省大学生创新创业训练项目(S202110451225)。

年　　份：2022

卷　　号：30

期　　号：4

起止页码：273-279

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

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3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。

关 键 词：行人导航  步态识别 运动状态识别  惯性传感器优化  聚类分析

分 类 号：V263.6]