基于移动节点辅助定位的UWB室内定位方法

针对UWB室内定位精度易受环境影响的问题，在低速、多节点的情况下，提出了一种基于移动节点辅助定位的方法。设置一个增量队列来剔除异常点，然后使用最小二乘法计算得到定位初值。将定位初值代入扩展卡尔曼器滤波算法，得到较为准确的更新后的定位结果。当移动节点处于静止或低速状态时，其解算坐标较为精确，可以将其视作坐标已知的固定节点，来提高其他移动节点的定位精度。实验结果表明，在相同的实验环境下，所提方法的定位均方根误差比最小二乘法和Chan算法分别减小了15.89%和16.45%，最大绝对误差分别减小了60.99%和62.77%。     

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。     

一种SINS/超短基线组合定位系统安装误差标定算法

超短基线设备由于尺寸小,使用灵活,在水下导航定位中常与惯性设备进行组合导航。为了标定出超短基线坐标系与载体坐标系之间存在的安装误差,提出了一种基于小角度近似的安装误差标定算法。首先,确定应答器的位置,再对安装误差角对应的姿态矩阵进行小角度近似,最后利用最小二乘法直接计算得到安装误差。通过仿真验证,在斜距误差为0.5%的条件下,航向安装误差角的标定误差比传统方法至少减少了32.8%。江试实验进一步表明,安装误差标定前后定位误差减小了76%。所提出的算法可以较好地减小导航定位误差,具有一定的工程应用价值。     

一种惯性/简化室内GIS组合的行人定位系统（英文）

惯性定位系统中的累积误差问题使得惯性定位系统无法长时间使用。室内地理信息系统(GIS)中的建筑物结构、地标点位置等信息可以用来修正和优化惯性定位算法,解决其累积误差问题,从而实现惯性定位系统的精度保持,延长系统使用时长。使用射频识别(RFID)系统和建筑物结构信息构建了简易室内地理信息系统,提出了一种基于GIS的增强型行人航迹推算(PDR)算法,通过该算法融合GIS与惯性定位系统。实验表明,融合简易室内GIS的惯性行人定位系统较传统行人定位系统性能更优。在GIS提供航向标定和步长估算系数标定的情况下,融合GIS的惯性系统能够在60 min之后,较惯性定位系统误差分别降低50%和67%;在GIS提供位置和高度标定的情况下,融合GIS的惯性系统并未出现误差累积的现象,在使用超过150 min后,依然能够将行人航迹推算误差保持在2 m范围之内(>80%概率)。     

重力辅助和模拟零速修正的手机航向修正方法

基于计步的传统航位推算的手机导航方法要求手机保持相对人体固定位置以保证航向的准确性,该要求严重影响了用户体验。针对行人的手机姿态改变和高精度定位的行人导航需求,提出了一种重力辅助和模拟零速修正的航向补偿方法。手机姿态发生改变时候的航向角度补偿可以采用手机重力计输出数据进行辅助判断;通常脚部捆绑式惯性导航定位中采用的航位推算技术无法应用于行人手持的手机,所以不具备零速修正算法的基本条件,为此提出了一种应用于行人手持手机的模拟零速修正算法,通过检测行人步态,采用卡尔曼滤波有效抑制了手机的航向发散。行人的综合行走实验结果表明,基于重力辅助和模拟零速修正的手机航向修正方法,能够自主判断并补偿由于手机使用方式改变造成的航向误差,在行走196m距离的情况下,行走误差仅有1.2%,有效提高了行人定位精度。     

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%。     

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。     

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。     

基于景象匹配的低精度MEMS航向修正与组合算法

针对巡飞弹弹载微机电系统（MEMS）在长航时过程中航向易发散的问题,提出了一种基于景象匹配的低精度MEMS航向修正与组合算法。首先,基于匹配点几何关系与匹配重投影设计了两种航向误差模型,前者分别根据实时图与基准图匹配点连线与图像纵轴计算反正切值,作差后计算出航向修正值;后者利用实时图与基准图的匹配关系构建重投影误差,通过优化计算出航向最优值。然后,基于上述两种模型,根据匹配点数量设计了一种航向修正与组合算法。飞行实验结果表明,长航时过程中修正后的航向误差为0.7423°（RMSE）,更新频率优于1 Hz。与传统仅能定位的景象匹配算法相比,所提算法提供了一种航向修正方法,且对传感器精度依赖性较低,具备一定的通用性。     

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。