基于MEMS惯性测量单元的多源信息自适应步数检测方法

针对基于MEMS惯性测量单元的行人航迹推算中步数检测方法仅利用单一的加速度信号检测精度较低的问题,提出一种多源信息自适应步数检测方法。该方法通过综合考虑人体运动过程中的加速度信号和角速度信号,根据不同的步态特征通过设定不同的自适应阈值条件实现步数的检测。虽然常规的峰值检测算法和固定阈值检测算法在单一步态下步数检测精度相对较高,但是对复杂运动状态下的步数检测精度很差,无法适用于真实的行人运动过程中步数的检测。然而多源信息自适应步数检测方法却能够在行人不同运动状态下精确检测步数,该方法明显优于常规的峰值检测方法和阈值检测方法。试验结果表明,本文提出的多源信息自适应阈值检测方法在行人不同运动状态下的步数检测精度可达98%以上。     

一种基于自适应波峰检测的MEMS计步算法

针对微机电测量系统(MEMS)波峰检测计步算法和自相关分析计步算法仅利用单轴加速度和固定阈值对传感器姿态和运动状态变化适应性较差的问题,提出了一种自适应波峰检测算法。该算法将行人运动状态分为正常状态与非正常状态,根据行人每一步的最大整体加速度与运动状态的内在相关性,获取不同运动状态的波峰检测经验阈值,实现不同运动状态下的自适应计步。通过实验对比分析,自适应波峰检测算法在传感器不同姿态和行人不同运动状态下的计步正确率均可达到99%以上,而常规波峰检测算法和自相关分析算法对正常态的计步精度虽然达到97%和99%以上,但对非正常状态下的计步精度仅有70%和50%,无法适应行人运动状态的变化。结果表明:自适应波峰检测算法对MEMS传感器姿态和运动状态的变化适应性较强,能够实现传感器不同姿态和不同运动状态下的可靠性计步。另外,自适应波峰检测、常规波峰检测、自相关分析算法的时间运算效率分别为0.036 s、0.046 s、0.131 s,自适应波峰检测算法时间效率明显优于其他两种算法。     

车载惯导系统动基座高精度自主式对准方法

研究了一种利用里程计与车辆运动约束条件来辅助车载惯导系统进行动基座高精度自主式对准的方法。利用里程计输出与惯导姿态输出进行航位推算,将航位推算获得的速度信息与惯导输出的对应信息相减作为量测之一;利用车辆运动约束条件,将惯导速度输出沿车体横向、垂向的投影作为量测之二;选取惯导系统误差与里程计误差作为系统状态,采用卡尔曼滤波设计动基座高精度对准算法。仿真结果表明,在载车行驶条件下,该方法的东向、北向失准角估计精度分别达到0.21′、0.25′,天向失准角的估计精度达到2.16′。     

混合运动模式下的双重阈值零速区间检测算法

针对固定阈值零速检测算法在混合运动模式下容易解算出错等问题,在分析了正常行走、上楼和下楼等三种室内常见运动模式的基础上,提出了一种混合运动模式下的双重阈值零速检测算法。该算法首先采用角速度变化特征点识别出正常行走、上楼和下楼等三种运动模式,然后根据不同的运动模式匹配相应的加速度和角速度阈值以及时间窗口的大小,利用双重阈值配合时间窗口的方法检测得到零速区间。最后,采用该算法对不同的行人的步态在混合运动模式下进行了检测,结果表明该方法可有效识别每步的运动模式,并且能够完全检测出每步的零速区间。在定位结果上相比于固定阈值零速检测法,该算法的定位精度平均提升了70%以上。     

基于MEMS惯性传感器的高精度步长估计算法（英文）

针对传统计步算法精度低适用性不高的问题,提出了一种基于MEMS足部定位模块的高精度自适应步长估计算法。首先通过分析行人步态的周期特征,精确地判断每个步态周期中单脚离地和落地的时间差值,采用零速更新法结合时间阈值、加速度阈值和加速度方差阈值进行步态检测;然后对转换后地理坐标系下传感器信号进行双重积分,计算出行人每一步的空间轨迹,无需进行前期步长数据采集或者生物模型参数提取,即可实现对行人步长的精确估计。在AHRS_box惯性传感器模块上进行了实验,结果表明该算法估计得出的步长和行走距离误差均小于2.5%,证实了该算法的有效性。     

车载DR系统自适应扩展卡尔曼滤波模型的建立及仿真研究

提出了车载DR系统的自适应扩展卡尔曼滤波模型及其滤波算法，计算机仿真结果表明，应用该模型和算法与简单航位推算方法相比，可以明显提高DR系统的定位精度。     

航位推算组合导航系统在线标定技术

在航位推算组合导航系统中,存在里程计安装偏差角误差和标度因数误差。推导了里程计安装偏差角误差和标度因数误差对航位推算速度和位置精度的影响,并提出了一种航位推算组合导航系统在线标定算法。该算法利用航位推算的速度与GPS的速度之差作为速度量测,航位推算的位置与GPS的位置之差作为位置量测,对航位推算组合导航系统的姿态误差、安装偏差角误差和标度因数误差进行有效估计,并通过仿真试验和车载试验对该算法的有效性进行了验证。试验结果表明,通过车载试验在线标定出的里程计各误差参数与里程计传统标定法标定的结果接近,且该算法计算量小,具有一定的工程应用价值。     

基于行为概率分析的室内行人导航方法

行人在室内场景下进行混合步态运动时,传统零速检测方法易出现“漏检”和“误检”,造成定位精度下降。针对此问题,提出了一种基于行为概率分析的行人零速检测与爬楼高度估计方法。一方面,设计了基于步态周期检验的最大概率零速点提取方法,通过足部零速广义似然比概率统计对步态周期进行准确划分,继而实现对步态周期内最大概率零速点的提取;另一方面,采用基于长短期记忆的深度学习网络模型实现上下楼运动检测,基于气压高度计与惯性器件数据,构建描述足部跨越台阶数的能量概率函数,并对台阶高度、跨越台阶数以及爬楼高度进行实时在线估计。最后开展了行人室内导航实验,相较于传统零速检测算法和零速阈值自适应调整算法,所提算法的平均零速点提取成功率分别提高24.44%和16.21%,平均导航定位性能分别提高了55.14%和39.15%,高度误差由7.79%降低到0.39%。     

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。     

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。