Resumen

Un sistema de navegación peatonal basado en una unidad de medición inercial que depende de un algoritmo de aprendizaje inteligente es útil para diversas aplicaciones, especialmente bajo algunas condiciones severas, como el seguimiento de bomberos y mineros. Debido a la complejidad del entorno interior, los problemas de obstrucción de señal podrían llevar al fracaso de ciertos métodos de posicionamiento. En entornos complejos, como los que involucran rescate de incendios y rescate de emergencia, el altímetro barométrico falla debido a la influencia de la presión del aire y la temperatura. En este artículo se utilizó un algoritmo óptimo de reconocimiento de marcha para mejorar la precisión de la detección de la marcha. Luego se propuso un método de determinación de dirección de movimiento basado en el aprendizaje. Con el filtro de Kalman y un algoritmo de actualización de velocidad cero, se pudieron reconocer con precisión diferentes tipos de marcha, como subir escaleras, bajar escaleras y caminar en plano. Según los resultados de

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Sistema de navegación peatonal; Unidad de medición inercial; Algoritmo de reconocimiento de marcha; Filtro de Kalman; Algoritmo de actualización de velocidad cero; Entornos complejos
• Keywords:Pedestrian navigation system; Inertial measurement unit; Gait recognition algorithm; Kalman filter; Zero-velocity update algorithm; Complex environments