基于GNSS测量的车辆导航用语境识别——使用门控循环单元
信号处理
2024-04-23 v1
摘要
近年来，人们对语境自适应导航（CAN）提出了越来越高的要求。CAN系统通过识别车辆周围环境的环境语境来实现在复杂环境中的无缝导航，发展快速、可靠且鲁棒的导航语境识别（NCR）方法至关重要，以有效支持CAN系统的运行。基于全球导航卫星系统（GNSS）的环境语境识别因无需额外基础设施而成本低，引起广泛关注。NCR方法的性能和应用价值取决于三个主要因素：语境分类、特征提取和分类模型。本文提出了由七个环境类别（开阔天空、树荫大道、半户外、城市峡谷、架空桥下、浅室内和深室内）构成的细粒度语境分类框架，目前在该研究领域中最为详尽的语境分类框架。为提高类别间的判别能力，设计了一种新型特征——C/N0加权方位分布因子。为确保实时性能，采用轻量级门控循环单元（GRU）网络，其在序列数据处理方面表现优异。创建了一个包含59,996个样本的数据集，并在Github上公开供NCR社区的研究者使用。对该数据集进行了大量实验，结果表明，所提出的方法在孤立场景中实现99.41%的整体识别准确率，在转换场景中实现94.95%的准确率，平均转换延迟为2.14秒。
引用
@article{arxiv.2404.13955,
title = {GNSS Measurement-Based Context Recognition for Vehicle Navigation using Gated Recurrent Unit},
author = {Sheng Liu and Zhiqiang Yao and Xuemeng Cao and Xiaowen Cai},
journal= {arXiv preprint arXiv:2404.13955},
year = {2024}
}
备注
9 pages, 9 figures, 5 tables