一种基于深度自适应卡尔曼滤波的行人复杂运动导航方法

本公开提供了一种基于深度自适应卡尔曼滤波的行人复杂运动导航方法。该方法采集行人脚部绑定的微惯性传感器MIMU敏感的惯性数据，将惯性数据输入神经网络，神经网络将k时刻之前的惯性数据片段映射为k时刻的伪零速量测的噪声协方差阵RDA,k；RDA,k表征伪零速量测的置信度；采用卡尔曼滤波进行惯导误差估计；所述卡尔曼滤波以伪零速信息作为观测量，利用所述神经网络输出的噪声协方差阵RDA,k更新卡尔曼滤波的增益矩阵，以调控伪零速信息的利用率；卡尔曼滤波在每个时刻均进行量测更新，无需基于脚部站立时刻检测结果开启或关闭量测更新；最后采用卡尔曼滤波估计的惯导误差对导航信息进行误差补偿。使用本发明能够提高惯性导航的精度。