基于AHDE和手机陀螺仪的行人航向修正方法

基于手机陀螺仪的航向推算误差是影响行人航位推算定位的重要误差源之一.为了修正陀螺仪引起的航向漂移、抖动等误差,借助高级启发式漂移消除法(AHDE)在航向修正上的特点,将基于足绑式IMU的AHDE算法改进并应用于智能手机的行人航向推算中.首先利用互补滤波算法初步估算航向,通过时域内航向及其变化幅度判断行人是否直行或者沿主...     

基于自适应步长约束的行人导航系统误差修正算法

基于惯性传感器的行人导航系统定位精度随时间累积下降,根据捷联惯导理论和人体运动学特征,提出基于自适应步长约束的行人导航误差修正算法。所提算法首先利用零速检测划分行人运动区间,其次根据加速度信息利用自适应步长估计模型计算各区间内步长,最后通过零速修正与步长约束模型修正导航误差。实验将WT901BC姿态仪固定于行人脚跟,并围绕闭环路径行走进行算法验证。实验结果表明,相比于零速修正,经过自适应步长约束算法修正后,行进240 m后起点、终点间距离误差平均值由2.50 m下降至0.18 m,导航闭环误差平均值由1.04%D下降至0.07%D,有效提高行人导航系统的定位精度。     

自适应步长约束的双脚MIMU行人导航系统误差修正方法

针对GPS信号遮挡严重的室内环境下基于微惯性测量单元(MIMU)的行人导航系统导航定位误差随时间不断累积的问题,研究利用行人运动学特性建立双脚间步长约束的导航误差修正算法。将两个MIMU分别固定在行人双脚上,通过步态特性分析和零速区间检测,构建了结合单脚零速修正与双脚间步长约束的误差修正模型;通过加速度计输出数据推算步长实现约束的自适应调节,提高行人步态发生变化时的误差修正效果。实际行走实验结果表明,步长变化情况下,利用所提出方法推算步长的误差率在5.8%以下,修正后双脚位置误差相比固定步长约束减小约46.43%,轨迹更加符合实际。     

基于手机陀螺仪航向修正算法

将低价位手机(魅蓝NOTE3)中的陀螺仪作为研究对象,为了减少由于陀螺仪漂移带来的航向误差,鉴于改进的启发式消除算法(iHDE)在航向修正的优越性,对基于行人导航算法框架IEZ的iHDE算法做出改进。由于人们携带手机的方式不同于脚踏式惯性单元IMU,IEZ算法框架已不再适用,故将iHDE应用在基于步态分析和航向估计的行人航迹推算定位算法框架(SHS-PDR)中,并把航向与主方向的偏差作为唯一的状态量输入到卡尔曼滤波器中,得到航向的最优估计,即简化了原始iHDE算法。最后,设计了两类不同难度的行走实验,即常规路线实验与挑战性路线实验,且实验中定位误差分别为总行进距离的0.2%与0.9%,定位精度与未经航向修正的算法相比分别提升了88.9%与43.8%。实验证明,应用在基于手机传感器的SHS-PDR算法框架下的iHDE算法依然保持其良好的航向修正能力。     

足绑式行人导航偏航角误差自观测算法（英文）

基于低成本MEMS惯性传感器的足绑式惯性导航系统(INS)和零速修正(ZUPT)算法广泛应用于行人导航中。由于MEMS惯性传感器零漂误差较大,零速修正时偏航角误差的可观测性差,INS偏航角误差不能被有效约束,成为行人导航的主要误差源。行人徒步行走特别是在室内楼道等结构化道路上行走时,行走的轨迹大多情况下可认为是近似直线,基于这个事实,提出了一种减小偏航角误差的算法,称为偏航角误差自观测(YESO)算法。当判定行人以近似直线徒步行走时,由行走轨迹计算出的航向角可近似认为是一个常值,那么由于各种误差引起该航向角发生变化时,可以将该变化量作为足绑式INS偏航角误差的观测量,进一步可利用卡尔曼滤波器估计出偏航角误差,对足绑式INS的偏航角进行校准。在室内楼道进行了约350 m的现场实验,实验验证了YESO算法的有效性。实验结果表明,当分别采用ZUPT和ZUPT+YSEO算法进行导航解算时,航向角误差从-29°减小到-2°,南北向最大位置误差从-35.5 m减小到-5.2 m。YESO算法的实现仅依靠系统自身的信息,没有增加额外的传感器,算法具有很好的工程实用价值并能方便地推广应用于车辆导航等领域。     

基于地磁测向和时间到达差测距的行人航迹推算方法

为研究个人鞋式导航定位方法,提出了一种基于地磁测向和时间到达差测距的行人航迹推算方法。该方法分为两部分:依靠地磁辅助的航向角检测和依靠时间到达差测距的行人步幅检测。研究结果发现,采用超声波收发阵列可以有效提高两脚间距离检测精度。此外本文分析出该方法的主要误差来源为航向角检测误差,并设计了最小二乘误差补偿算法,补偿前航向角误差约为15.93°,补偿后在0.435°以内。实验通过行人直线、圆形、操场行走测试,结果表明最大定位误差占总行进距离的1.2%。本方法具有广泛的工程应用前景。     

基于压力传感器辅助的行人室内定位零速修正方法

针对现有行人室内定位导航系统定位精度差的问题,设计了一种压力传感器辅助微惯性测量单元的多条件约束零速修正方法。将微惯性测量单元和压力传感器固连在鞋上,用来测量人体脚部运动信息。在经典捷联解算基础上通过对行走时微惯性测量单元和压力传感器的统计特性进行分析,对加速度模值、滑动方差、角速度模值、足底压力设定阈值,用以检测行走过程中的零速区间,通过基于零速修正的卡尔曼滤波估计姿态误差、速度误差和位置误差,反馈校正后对微惯性测量单元的累积误差进行修正。最后通过对比试验证明了压力传感器辅助下的零速修正方法提高了系统导航定位精度,步行和跑动时的水平定位精度优于1%D。     

基于腰部MEMS-IMU的室内行人导航航向反馈修正算法

航向角误差随时间累积是采用惯性技术实现行人定位系统中影响导航精度的主要因素。通过典型建筑结构和行人行走特征的分析,提出一种室内行人导航航向反馈修正算法。根据行人是否在主方向上直行,区分在两种直行情况下的航向反馈条件,构建航向差值作为状态量进行自适应无迹卡尔曼滤波(AUKF),并运用反馈航向值参与四元数解算,从而减少航向误差的累积。嵌入式消防单兵定位系统平台的实验验证表明:提出的航向反馈修正算法与不反馈时相比,能够精确解算航向的时间增加两倍以上,且导航误差在1%以内,适应环境能力也较强。     

基于UWB优化配置的室内行人导航方法

在卫星信号无法覆盖的室内条件下,行人的精确导航问题是当前研究的热点。为解决基于MEMS的微惯性导航系统误差随时间发散、航向角发散快的问题,提出了一种利用UWB辅助修正惯性导航系统,实现室内较高精度定位的方法。该方法采用基于零速修正的微惯导系统进行导航,以抑制惯导误差随时间发散,并在建筑内拐角、楼梯口等关键节点处优化配置UWB设备,采用UWB信息与微惯导数据进行卡尔曼滤波,实现对微惯导航向及位置的修正。与大规模使用UWB系统进行室内定位相比,该方法降低了系统布设成本,避免了UWB出现问题时对整体导航结果的影响,有效地保证了系统的定位精度。行走实验表明:直线行走时,微惯导最终定位误差为1.8%;转弯行走时,在UWB辅助定位下,微惯导最终定位误差小于1.0%。     

足部安装MEMS-IMU个人导航系统

为了实现室内外环境下个人自主导航,研究了足部安装的MEMS-IMU个人导航系统。根据人行走时足部具有周期性零速的特征,以加速度计输出矢量和、滑动方差和陀螺仪输出的角速度矢量和为检测量,设计了一种多条件零速检测算法,有效地提高了零速检测的准确性。针对MEMS惯性传感器零漂大、精度低的问题,导航定位算法以传统的捷联解算算法为基础,进行了适应性改进。引入零速修正(ZUPT)技术,设计了以速度信息作为伪量测的Kalman滤波器。在零速阶段对系统速度,姿态,位置误差进行估计,将估计结果反馈以修正导航解算的累积误差。实验结果表明,基于上述导航修正算法可以有效地消除MEMS惯性传感器零漂引起的累积误差,使得多组多种行走路径下系统的定位误差均小于行程的2%。     

基于可穿戴式MIMU的个人导航修正算法

基于微惯性测量单元(MIMU)的个人导航系统,由于其佩戴位置的不同定位精度存在巨大差异,通常将其固定在单一位置下进行定位。以行人航迹推算算法为基础,提出了一种基于多位置可穿戴MIMU的个人导航修正算法。选用三轴加速度计的多种特征值,设计朴素贝叶斯分类器对MIMU佩戴位置进行识别,并在捷联解算航向信息的基础上,采用启发式漂移消除算法对各种位置下的航向进行修正。结果表明:MIMU佩戴于上衣口袋、右衣口袋、右前裤口袋以及右后裤口袋的位置识别精度均达到99.0%以上,通过改进的航向补偿算法,四种佩戴方式下定位误差均小于0.49%D,有效提高了惯性定位技术在可穿戴设备方面的适应性。     

基于分布式协同导航的行人三维惯性SLAM方法

针对仅依赖惯性传感器数据进行零速修正的行人航位推算方法导致室内行人协同导航定位累计误差较大的问题,提出了一种三维环境下的分布式行人协同惯性SLAM方法。在行人间初始相对位姿未知的情况下,通过蓝牙检测相遇,使用基于奇异值分解的最小二乘方法求解行人间位姿的刚性变换;然后构建基于三维占用栅格的惯性SLAM地图,通过优化联合后验概率分布获得行人位姿与地图的最优估计,减小系统的累计误差;同时构建了一个分布式协同SLAM框架,使得每个行人的定位系统都能够独立运行。实验结果表明,所提出的算法能有效提升三维惯性行人协同导航系统的定位精度,在大约2000?m2、总长2000?m的多楼层双人协同实验中,算法的平均定位误差为1.22?m,与传统零速修正方法相比,定位精度提升80%以上。     

基于双MIMU速度+角速率匹配的行人自主导航方法

针对基于零速修正（ZUPT）的行人导航系统航向误差随时间发散导致定位精度差的问题,提出了一种基于自适应零速检测与双MIMU速度+角速率匹配的行人自主导航方法。在一套自主系统中同时包含两种三轴MIMU,一套大量程MIMU用于保证原始惯性数据的完整性,一套高精度MIMU用于提供角速率基准。当高精度MIMU数据未超量程时,若基于SVM的自适应零速检测算法判断系统为零速状态,采用速度+角速率匹配方案;若系统为非零速状态,则采用角速率匹配方案,通过卡尔曼滤波器对各项误差进行估计和修正,提高系统的航向和定位精度。试验结果表明,相较于仅采用速度匹配,采用所提方法,航向精度达到了3.44°/30 min,提升了50%以上;定位精度达到了4.92 m/30 min,提升了40%以上。     

基于机器学习与步态特征辅助的行人导航方法

针对微惯性测量组件(MIMU)足部安装的穿戴式导航系统,在包含惯性传感器信息超量程的行进中无法有效进行定位与导航的问题,提出了一种基于虚拟惯性测量组件(VIMU)与步态特征辅助修正惯导系统的行人导航方法。以相同频率采集人体腿部与足部的MIMU数据作为训练样本,通过视觉几何组-长短期记忆混合(VGG-LSTM)神经网络模型拟合两个部位MIMU信息之间的非线性映射关系,构建足部VIMU与虚拟惯性导航系统(VINS);基于人体各步态相位中足部姿态具有高度重复性的特征,对足部VINS姿态信息进行误差修正,并结合足部磁传感器信息确定人体运动的航向信息。实验结果表明,结合零速修正(ZUPT)方法,所提出的VINS构建与误差修正方法可有效提高足部MIMU超量程时行人导航系统性能的可靠性,其高过载运动中的定位误差约为总行进距离的2.5%。     

局部连续场下重力辅助导航模型构建算法

为了研究高精度的重力辅助导航模型以克服传统模型的局限,必须建立精度高且具有良好解析性质的局部重力异常场解析模型,同时考虑模型误差方程中的重力精准补偿问题。针对二维高斯样条函数逼近局部重力异常场中的局部支撑参数选择问题,通过对所涉及的系数矩阵、解误差、插值模型精度评估等问题进行分析,提出了一种新的最优局部支撑参数计算方法;基于此提出了一种高精度的基于高斯插值的重力辅助导航模型构建算法,该精准模型补偿了重力扰动矢量、标准重力值误差、厄特弗斯修正计算值对导航模型的影响。实验结果表明利用新型重力辅助导航模型构建算法,可使辅助导航系统位置精度提高1倍左右,姿态、速度精度提高1²倍,定位误差保持在1002倍,定位误差保持在100²00 m。     

一种基于径向速度残差曲线拟合的车载SINS零速修正算法

基于卡尔曼滤波的零速修正技术是陆地车辆导航的关键技术之一,针对传统车载激光陀螺捷联惯导中,零速修正停车间隔短,量测噪声参数敏感,以及动态零速修正(DZUPT)时滤波算法的鲁棒性较差等问题,提出了一种结合自适应卡尔曼滤波与径向速度残差曲线拟合的复合零速修正算法。在DZUPT算法的基础上,使用Sage-Husa自适应卡尔曼滤波,并结合高阶曲线拟合的方法对车载径向速度残差导致的定位误差进行补偿,将动态、静态零速信息有机结合,进一步提高系统的综合定位精度。经车载实验验证,在15分钟零速修正间隔条件下,定位精度达到10 m(CEP)。     

基于MEMS-MARG传感器的消防员室内定位算法

针对消防员在室内环境中进行灭火和救援时难以获知自身位置坐标的问题,采用MEMS-MARG传感器设计了一种室内定位算法。首先,根据加速度幅值波形使用峰值探测法和零点交叉法相结合的方式进行步数检测。然后,通过对消防员的行走路线进行分类,设计了一种基于直线判断辅助的航向反馈修正算法来提高定位精度,并将扩展卡尔曼滤波器融入到行人航迹推算算法中,用于估计消防员的位置坐标。最后,分别按照矩形、三角形、半圆形轨迹,进行了3组实验。实验结果表明,与未使用航向修正算法相比,位置误差减小了45%以上,航向角和位置的均方根误差分别减小了65%和76%以上。所提出的消防员室内定位算法具有良好的定位性能。     

多条件约束的行人导航零速区间检测算法

针对MEMS惯性传感器存在漂移大、器件精度低的问题,结合行人导航系统应用需求,在分析行人运动步态的基础上,设计了一种多条件约束的行人步态零速区间检测算法。该方法综合利用足部传感器输出参量的模值、方差、幅值、峰值并通过设定阈值来提取步态中的零速点,多条件约束有效地降低了误判的可能性。最后,采用该方法对不同步速下行走过程中的零速区间进行检测,结果表明利用多条件约束法计算得到的零速区间数与实际运动步态中的零速区间数完全一致。此外,零速区间的准确提取也为后续开展行人导航速度解算误差修正算法的研究提供了依据。     

基于人体多方位运动的三维自主导航定位算法

基于MEMS传感器的行人导航通常利用行人航迹推算算法解算出人体位置的坐标对行人定位。传统行人航迹推算算法只能用于单一前进行走运动模式,不适用于人体实际的多方位运动模式。因此,提出了一种多方位运动三维自主导航定位算法,利用三轴加速度计数据对行人进行步态检测和步长估计,在分析了加速度计单轴数据的基础上,讨论了4类运动模式的识别方法,推导出适用于人体多方位运动模式的航迹推算公式。在智能手机平台上进行测试验证,实验结果表明,所提出的多方位运动模式自主导航定位算法在人体实际运动中,定位误差小于3.2%,很大程度上提高了导航精度。     

基于多源信息融合的行人航位推算室内定位方法

传统行人航位推算(Pedestrian Dead Reckoning,PDR)定位技术存在严重的误差累积问题。针对因航向偏差引起的误差累积,提出一种借助建筑几何信息实现行人航向的实时补偿方案,通过提高定向精度来抑制定位误差的累积传递。分析利用外源绝对位置改善PDR定位结果,试验一种自适应模型噪声的扩展卡尔曼滤波(Extended Kalman Filter,EKF)滤波算法,实现PDR与WIFI定位源的滤波融合。通过实验对比分析,基于改正航向的PDR相较于传统PDR,有效抑制了误差的累积,将整体误差控制在5 m左右;传统PDR与WIFI源滤波融合,比单纯传统PDR提高了82.8%的精确度;航向改正PDR与WIFI源相融合,则比单纯传统PDR和航向改正PDR分别提高了90.2%和49.5%的精确度。结果表明:补偿改正航向和借助外源绝对位置滤波融合均可有效控制传统PDR的误差累积,根据条件约束可知航向改正PDR及其与WIFI源融合方案较适用于规则室内环境,而原始航向PDR与WIFI源融合方案则不受室内结构影响,在多次滤波后逐渐提高行人定位精度,从而可满足行人室内定位精度需求。