摘要：針對基于行人航位推算（PDR）的煤礦井下人員定位系統(tǒng)中步長估計存在累計誤差及傳統(tǒng)深度學習方法所需數(shù)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(xiàn)。生成模型根據輸入數(shù)據生成連續(xù)的結果分布（即標簽），其輸出層使用線性激活函數(shù)，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(shù)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(shù)，以實現(xiàn)結果的二分類。確定生成模型與判別模型后，GAN 模型聯(lián)合2 個模型進行訓練，通過構建并優(yōu)化生成器和判別器之間的動態(tài)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(qū)分的數(shù)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