在全球卫星导航系统拒止的环境里, 导航信息难以获取, 基于红外、超声波、射频、Wi-Fi、超宽带(UWB)等室内定位方法均需要辅助电子标签, 传统航位推算法只适合前向步态的路径跟踪, 在后向、左向、右向步态模式下会出现反向或垂直的路径错误。针对以上问题, 该文借助移动终端的惯性测量单元数据, 在不依赖任何电子标签模式导航的情况下, 实现短时多模式步态行人跟踪。结果表明, 通过多次重复测试, 步态检测准确率≥92%, 以实际车库场景为实验背景, 该文方法可获得全步态模式下自主路径跟踪, 路径追踪误差小于3 m。

土壤组分光谱估算过程中校正样本集的构建会影响模型的预测精度。 当前结合反射光谱和Kennard-Stone (KS)算法的校正样本集构建策略忽视了土壤反射光谱是土壤属性的综合反映, 构建的样本集通常无法很好地代表目标土壤组分的变异。 光谱变换方法可以突出目标组分的光谱特征, 为此, 本文以湖北省江汉平原滨湖地区水稻土为研究对象, 结合包括一阶微分(FD)、 Savitzky-Golay(SG)、 Haar小波变换、 标准正态变量变换(SNV)和多元散射校正(MSC)在内的光谱变换方法和KS算法进行校正样本集建构, 通过对比不同样本集构建策略对使用偏最小二乘回归(PLSR)建立的土壤全氮含量光谱估算模型预测精度的影响, 研究光谱变换是否有助于提高基于KS算法构建的校正样本集的代表性。 结果表明: 不同光谱变换会影响校正样本集的构建。 反射光谱经过SG或Haar小波变换后, 再使用KS算法构建校正样本集与直接基于反射光谱使用KS算法构建的校正样本集相同, 建立的估算模型精度不变, 相对分析误差(RPD)分别为141和127。 结合FD, SNV或MSC变换和KS算法构建的校正集与基于反射光谱使用KS算法构建的校正集不同, 建立的估算模型RPD分别从095, 148和142提高到113、 178和220。 研究表明SNV和MSC等光谱变换方法可以提高基于KS算法构建的校正样本集的代表性, 并可有效提高模型预测精度。