基于生成對抗網絡的井下人員步長估計方法

摘要：針對基于行人航位推算（PDR）的煤礦井下人員定位系統中步長估計存在累計誤差及傳統深度學習方法所需數據集樣本過大的問題，提出了一種基于生成對抗網絡（GAN）的井下人員步長估計方法。GAN 模型主要包括生成模型和判別模型2 個部分，均采用深度神經網絡（DNNs）實現。生成模型根據輸入數據生成連續的結果分布（即標簽），其輸出層使用線性激活函數，以保留網絡的線性特性，允許模型預測任何人員在行走過程中的步長；判別模型根據輸入數據與標簽判別是真實標簽還是由生成器生成的標簽，其輸出層使用Sigmoid 激活函數，以實現結果的二分類。確定生成模型與判別模型后，GAN 模型聯合2 個模型進行訓練，通過構建并優化生成器和判別器之間的動態競爭，使得生成器能夠在不斷迭代中學會生成更加逼真、難以區分的數據樣本。實驗結果表明，使用同樣訓練集及測試集的情況下，GAN 模型的平均誤差為0.14 m，標準差和均方根誤差均小于DNNs 模型，最小值均為0.74 m。戶外測試結果表明，基于GAN 的井下人員步長估計方法在上下坡場景的誤差最小值為3.21%，最大值為4.79%；相比于上下坡場景，操場場景的誤差更小，最大誤差為1.91%。

關鍵詞：井下人員定位；行人航位推算；PDR；生成對抗網絡；步長估計；生成模型；判別模型；慣性測量單元；IMU

中圖分類號：TD655.3 文獻標志碼：A