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。     

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。     

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。     

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。     

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%。     

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。     

多运动状态下自适应阈值步态检测算法

多种运动状态情况下,由于对步行者航位推算系统中步态检测不准确,导致推算定位误差增大。针对上述弊端,提出了多运动状态下自适应阈值步态检测算法。首先,通过改进的多阈值的步态检测算法,改善支撑区间检测的准确性。然后利用随机森林算法识别站立、走路、跑步、上楼和下楼等五种常见的室内运动状态,自适应匹配相应的步态检测的阈值,以实现多运动状态下的精准步态检测,提高行人航位推算系统精度。实测结果证明,相对于传统固定阈值检测算法,该算法平面定位精度提升33.1%,步态检测精度提升89.4%。     

基于MEMS惯性技术的鞋式个人导航系统

研究了低精度鞋式个人惯性导航系统的导航修正算法.该系统由低精度MEMS惯性IMU单元组成,固联在步行者的鞋上.导航算法在传统捷联惯性导航算法基础上,引入了零速修正技术,根据人行走时脚部运动的加速度统计特性,设计了一种比力模值+滑动方差检测算法,用以检测行走过程中的静止时间段.然后通过设计的改良卡尔曼滤波器在静止时间段内滤波估计导航姿态、速度和位置的计算误差,通过反馈校正可以提高原系统的导航精度.最后通过两组MEMS实物实验验证了导航修正算法的有效性和可行性,并指出了进一步的研究方向.     

一种基于手机传感器自相关分析的计步器实现方法

针对计步器采用的波峰检测算法要求行人必须将设备佩戴在身体特定部位的问题,提出了一种利用手机加速度传感器信息实现计步器的解决方案。同时,为了降低手机位置不同以及行人的不同运动状态对手机计步器计步结果的影响,设计了一种自相关分析的计步算法。该算法将运动状态分为空闲和行走两种基本类型,根据经验阈值判断运动人员的运动状态进而进行计步计算。试验结果验证了算法的有效性:相对于波峰检测算法,运动状态为行走时计步结果的正确率从92.5%提高到98.6%,运动状态为空闲时计步结果的正确率从96.0%提高到98.8%。表明新设计的自相关分析算法有效地提高了行人计步结果的正确率,为室内人员定位技术的发展提供了新的途径。     

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。     

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。     

基于蜂窝网格粒子滤波的行人导航航向估计方法

为了提高低成本行人惯性导航系统的实时导航精度,针对行人惯性导航系统航向角发散问题,提出一种适用于实时行人导航系统的蜂窝网格粒子滤波算法(CSPF,cellular structure particle filter)。该方法将二维平面划分为紧密相连的蜂窝六边形区域,记录行人运动的历史轨迹信息,采用粒子滤波方法对航向误差补偿量进行估计。蜂窝网格粒子滤波算法在行人惯性导航系统的实验结果表明,引入了蜂窝网格粒子滤波的行人惯性导航方法与常规方法相比能有效改善实时行人惯性导航精度。在二维行走实验中,水平位置误差百分比由5.3%改进到1.7%;三维行走实验中,水平误差百分比由4.2%改进到2.9%。     

大陀螺零偏条件下的快速传递对准算法

针对某些某些微机械陀螺零偏重复性差的特点,提出了滤波反馈修正和陀螺零偏粗对准预处理两种方法,使“速度＋姿态”快速传递对准算法在大陀螺零偏条件下能够不损失估计精度。在简要介绍“速度＋姿态”．决速传递对准算法数学模型的基础上,探讨了大陀螺零偏导致的惯导系统非线性误差。为减小上述非线性误差的影响,提出用每一步滤波估计值修正子掼导状态的反馈修正方法,和在进行卡尔曼滤波前直接测量比较主、子惯导陀螺输出的陀螺零偏粗对准预处理方法。仿真结果表明,采用上述两种方法,快速传递对准算法可在陀螺零偏过大的情况下保持算法的有效性和估计精度。