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。     

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。     

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。     

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。     

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)。     

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。