大语言模型引导的IMU-PDR检测与误差校正方法

《Sensors》：A Large Language Model-Guided IMU-PDR Method for Detection and Error Correction

　　

在全球导航卫星系统（GNSS）信号不可用或不可靠的环境中，基于惯性测量单元（IMU）的行人航位推算（PDR）因不依赖外部基础设施而具有较大潜力。然而，在不同条件下保持稳定且准确的定位仍具有挑战性。为解决此问题，本文提出一种大语言模型（LLM）引导的IMU-PDR检测与误差校正框架。该方法将IMU时间序列数据转换为面向PDR任务的结构化表示，并在提示词中融入领域先验知识，以引导LLM进行计步检测、步长估计、航向校正及后续轨迹重建。实验结果表明，该框架提高了计步检测精度，取得了具有竞争力的步长估计性能，有效抑制了航向漂移，并增强了重建轨迹的整体一致性。这些结果表明，在领域先验知识引导下，LLM具备对IMU信号进行有效解释与推理的潜力，为IMU-PDR中的智能检测与误差校正提供了一种新途径。

**研究背景与问题**
全球导航卫星系统（GNSS）信号在室内、地下及高密度城区常被遮挡或严重衰减，导致传统卫星定位难以提供连续稳定位置。基于惯性测量单元（IMU）的行人