基于行人运动模态辨识的室内外无缝导航航向算法研究

目前行人导航航向解算算法均基于导航传感器在行人身体上的固定安装模式,或者依赖其他射频信息辅助修正陀螺航向,这极大约束了导航传感器的适用条件.为此,利用陀螺对低频噪声的敏感性及加速度计低频的稳定性,提出了解决行人手持手机稳态查看与非稳态摇摆的运动模态辨识算法和基于时域互补滤波器实现姿态的最优融合方法;研究了改进型互补滤波以消除行人的运动加速度对姿态解算的干扰误差,提高了载体姿态的测量精度;此外,利用磁传感器标定后的数据设计了自适应卡尔曼滤波算法,抑制了航向角的误差发散.经实际数据测试验证,室内外行人手持稳态与非稳态下的航向角测量精度提高了80%,同时大大提高了导航传感器的适用性与便携性,满足实际工程的使用需求.     

基于零加速修正的室内惯性定位算法

惯性微传感器定位精度受到累积误差影响严重,甚至在连续定位过程中出现无法收敛问题,使估计位置严重偏离实际位置。基于零加速状态检测并修正传感器平台姿态的算法可以在常规传感器配置条件下解决传感器的累积误差影响问题。将采集的加速度值与相应的阈值比较,检测出平台的零加速状态,根据检测到的零加速状态对平台的姿态信息进行重新修正估计,达到削弱累积误差影响的目的。理论分析表明,基于零加速修正的惯性定位算法具有较优异的计算复杂度。室内外实验结果表明,经过零加速修正定位算法得到的轨迹与行人真实轨迹能够较好契合,验证了该算法可以不依赖于GPS实现对行人的有效定位。     

基于高阶补偿器的加速度传感器动态误差补偿方法

加速度传感器动态特性对其动态测量结果具有重要影响。为了改善加速度传感器动态性能,减小动态误差,提出了一种基于高阶补偿器的加速度传感器动态误差补偿方法,该方法通过建立加速度传感器ARX模型,利用加速度传感器模型极点确定高阶补偿器的阶次,并应用误差白化算法（EWC）获得高阶补偿器的参数,实现加速度传感器的动态误差补偿。实验结果表明,该方法有效改善了加速度传感器的动态特性,且高阶补偿器的补偿效果优于低阶补偿器的补偿效果。高阶补偿器补偿后传感器输出超调量和残差均是低阶补偿后的三分之一,响应时间是低阶补偿后响应时间的一半左右。     

基于运动姿态识别的行人惯性导航算法

针对室内定位惯性导航算法存在累积误差的问题,提出了一种基于运动姿态识别的行人惯性导航算法.在捷联惯性导航算法的基础上,引入了行人脚部姿态识别方法,将行人的位移以单步长为单位进行惯性导航解算.使用姿态识别与零速修正相结合确定每一步的静止时刻,改进步数检测结果,并对行人静止时刻的速度和位置信息进行校正,以降低累积误差;统计前期误差较小的行人惯性导航数据,并建立步频—步长模型,根据行人实时的步频和方向变化对当前步长进行校准,在行人以惯常运动姿态或运动姿态变化时分别采取对应的步长估计算法,以保证导航算法的准确性.实验结果表明:与传统捷联惯性导航算法相比,提出的算法提高了长距离导航的精度.     

基于磁阻传感器和加速度计的电子罗盘设计

介绍了三轴磁阻传感器MMC3120MQ的技术特点,并利用此传感器、三轴加速度传感器ADXL335和微控制器MSP430F2618设计了一种具有倾斜补偿功能的手持式电子罗盘。详细分析了磁阻传感器的误差模型,并给出了基于最小二乘椭球拟合的误差补偿算法。在无磁测试转台上进行了测试,试验结果验证了该电子罗盘能够达到较高的精度,水平放置时航向角绝对误差最大值为1.2°左右,可广泛应用于民用导航领域。     

基于多传感器融合的车载航位推算系统

针对传统车载航位推算(DR)系统单独导航时导航误差随时间迅速累积的问题,提出一种基于多传感器信息融合的低成本车载DR系统.以无迹卡尔曼滤波器(UKF)作为数据融合算法,综合利用里程计、陀螺、加速度计、磁力计和气压计等多种传感器的信息,抑制DR系统的累积误差,以低成本、低精度的传感器实现高精度导航.通过实际的长达12 min的道路导航试验,结果表明:导航误差小于总航程的1％,与传统DR系统相比有较大的精度提升.     

基于PDR/UWB紧耦合的足绑式行人导航技术

为了解决低成本微机电惯性导航系统存在的累积误差问题,提出一种基于融合行人航迹推算(PDR)和超宽带(UWB)无线定位的实时室内行人导航系统.利用加速度计和磁强计进行初始姿态对准;考虑滤波误差估计,推导了惯性导航算法;依靠加速度计和陀螺仪的"与"逻辑进行行人步态检测;实施零速更新(ZUPT)提供速度误差观测量,利用UWB系统提供位置误差观测量;设计具有野值辨识机制的扩展卡尔曼滤波器进行数据融合.对提出的行人导航算法进行实验验证,结果表明该行人导航算法与传统定位方法相比能够有效提高行人定位精度.实验中,该行人导航算法能够获取低于0.2 m的定位误差,且稳定、不发散.     

基于MEMS三维磁阻传感器的电子指南针的研究

介绍了一种基于MEMS的三维磁阻传感器和加速度传感器的电子指南针系统.相对于由两轴磁阻传感器制造的电子指南针,该系统能够有效补偿倾斜角产生的误差.重点介绍了该系统的测量原理、硬件设计、软件流程.通过中位置均值滤波、限幅滤波、一阶滞后滤波,最大误差控制在1°以内.实验结果表明:本系统可以满足于一般导航领域的要求.     

基于航向自纠正方法的行人导航算法研究

低成本MEMS惯性传感器被广泛应用于足绑式行人导航中,但由于MEMS惯性传感器零偏随时间会产生累积误差,行人真实航向角与脚部解算的航向角有差值,传统零速修正算法对航向角缺乏观测导致行人航向发散,成为行人导航的主要误差源, 行人在室内行走尤其是在室内楼道环境中,行走轨迹大多数情况下是近乎直线的。由此提出一种航向自纠正算法 (HSC),通过采集行人脚部离地阶段数据和一步航向差值,进行行人直行与行走方向判定,根据判定结果在零速时重置航向,将航向自纠正算法与零速更新算法融合,采用一款低成本惯性传感器绑于脚面进行实验,对比传统零速更新算法,该方 法可以显著提高定位精度,定位误差可以达到2％以内, 该算法的实现无需添加额外传感器,仅依靠自身信息矫正航向,具有很好的工程实用价值。     

行人导航状态识别与传感器优化选择

摘要：为避免过多传感器的配置在行人导航状态分类时引入冗余信息,提出了一种传感器配置优化方法。根据采集的惯性传感器三轴加速度和角速度信息,基于K均值聚类算法(K-means)、自组织映射算法(SOM)和混合高斯聚类算法(EM-GMM)对行人运动状态进行识别;选取轮廓系数、戴维森堡丁指数、卡林斯基-哈拉巴斯指数三个内部评价指标及执行时间对聚类效果进行综合对比,得出在行人状态识别中K-means聚类方法较优;基于K-means聚类最优模型,对二维、三维、六维不同传感器配置下的轮廓系数进行综合对比,得出二维和三维行人惯性导航系统即可有效实现行人运动状态识别,有效解决了六维特征空间中因多变量复杂相关导致的难以准确建模的难题,为多传感器的行人导航状态识别提供了新途径。     

基于贝叶斯网络的楼层定位算法

针对在室内定位导航过程中单独依赖行人高度位移推测楼层位置误差较大的问题，提出一种基于贝叶斯网络的楼层定位算法。该算法先是利用扩展卡尔曼滤波（EKF）对惯性传感器数据和气压计数据进行融合，计算出行人垂直位移；然后利用误差补偿后的加速度积分特征对行人在楼梯中的转角进行检测；最后，利用贝叶斯网络融合行人行走高度和转角信息推测行人在某一层的概率，从而将行人定位在建筑物中最可能出现的楼层上。实验结果表明，与基于高度的楼层定位算法相比，所提算法的楼层定位准确率提升6.81%；与平台检测算法相比，该算法的楼层定位准确率提升14.51%；所提算法在总共1247次楼层变换实验中，楼层定位准确率达到99.36%。     

Mitigation of a Heading Drift in Pedestrian Dead-reckoning Caused by the Sensor Bandwidth

In this paper, we analyze the relationship between sensor bandwidth and heading drift, and improve a pedestrian dead-reckoning (PDR) system considering the heading drift by the insufficient bandwidth. The PDR system using foot-mounted inertial measurement unit (IMU) is generally based on an inertial navigation system (INS). In order to reduce the estimated position error, INS is combined with the zero-velocity update (ZUPT), which assumes that the pedestrian shoe velocity is zero at the stance phase. Although the error can be reduced through ZUPT, the estimation errors due to other causes remain. The angular rate and acceleration signals measured from the inertial sensor have various frequency components depending on the motion of the shoe. In the heel strike phase, the signals change sharply due to the impact, and the high frequency components are generated compared to the other phase. Considering only the accuracy of the inertial sensor and using a sensor with insufficient bandwidth, estimation errors occur in the PDR system. In the standard PDR system, loss of information due to narrow bandwidth causes heading drift, which is the unobservable state in the filter. In order to compensate for the heading drift due to the insufficient bandwidth, we analyze the estimation errors according to the bandwidth. Moreover, we propose a PDR system considering the heading drift estimated based on sensor bandwidth. To improve the estimation performance of the PDR system, the proposed system compensates the heading drift according to the sensor bandwidth in the heel strike with the high frequency components. The experimental results show that the improved performance of the proposed system compared with the standard algorithm.

     

基于视觉/惯导的无人机组合导航算法研究

目前视觉惯性组合导航系统多采用优化紧/松耦合以及滤波紧/松耦合算法,应用误差状态卡尔曼滤波能够将较低频率的视觉位姿信息提升到与惯性信息同步的频率;提出一种基于自适应卡尔曼滤波的视觉惯导组合导航算法,首先考虑到系统建模与传感器测量误差,采用自适应渐消卡尔曼滤波进行导航解算,通过实时计算遗忘因子,以调节历史数据的权重,可抑制建模误差,提高组合导航系统性能,然后针对视觉SLAM解算过程造成的视觉位姿信息滞后于惯导信息的问题,提出一种延时补偿方法;仿真实验表明,采用延时补偿的自适应渐消卡尔曼滤波算法能够有效抑制建模误差,并降低视觉位姿信息滞后带来的影响,提高无人机组合导航的解算精度,姿态、速度、位置解算精度分别达到5°、0.5m/s、0.4m以内。     

改进卡尔曼滤波的井下组合导航定位算法

为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法.通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度.将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标....     

基于准静止磁场检测的行人导航算法框架iIEZ+

在行人惯性导航领域,地磁修正算法作为一种有效的修正航向漂移误差的方法,应用在磁干扰环境中时,存在航向失真的问题,而航向精度往往决定了整个导航系统的优劣.为此,在Afzal提出的准静止磁场检测算法的基础上,提出了行人导航算法框架iIEZ+,即以Jiménez A R提出的IEZ+框架为基础,融入了改进后的准静止磁场检测算法,对地磁修正算法和启发式航向漂移消除算法的使用做出选择,实现了两种算法间的优势互补.实验表明,本文提出的算法框架可以有效抵御磁干扰的影响,提供可靠的航向和位置信息.经过多次室内外行走实验,定位误差约为路程的0.6%~1.6%,优于文中提到的其他基于IEZ框架的算法.     

基于偏振光辅助定向的车辆自主式导航方法研究

针对车载惯性导航系统运动学辅助算法中, 航向角误差发散,无法长时间得到高精度、高可靠性导航参数的问题,提出一种基于大气偏振光分布规律高精度定向的运动学辅助惯导精度提高算法。通过车载偏振光传感器系统测量解算获得的航向角信息和车辆动态数学模型提供的虚拟位置与速度观测量,与惯性导航系统的输出一起,利用多源信息融合技术进行导航参数的滤波估计,结果能实时反馈校正惯性导航系统和车辆动态数学模型。通过计算机仿真与分析表明,该改进的惯性导航系统辅助方法能够有效抑制航向角误差发散,定位精度较纯惯导及传统惯导运动学辅助方法显著增强,且对最终实现陆地作战车辆精确可靠的自主导航定位具有一定的工程应用价值。     

基于UWB辅助的多无人机惯导定位误差校正方法

针对卫星导航拒止的复杂环境下多无人机编队飞行只依赖惯性导航无法长时间导航的问题,提出一种超宽带(UWB,ultra wide band)辅助的惯导定位误差校正方法;给出UWB测距原理的同时建立了无人机机体坐标系下的惯导相对距离解算模型;在惯导误差模型的基础上,以惯导误差和UWB测距信息分别作为状态量和观测量,设计出惯导误差校正的扩展卡尔曼滤波模型;以两架无人机为例对算法进行仿真验证,仿真结果表明相较于纯惯导定位,该方法在东北天三个方向的最大定位误差不超过1 m,速度均方根误差值不超过0.01 m/s,很好地抑制了惯导系统速度和位置的误差发散,为解决无人机编队在卫星拒止环境中的定位问题提供参考思路。     

基于误差修正技术的井下人员MEMS定位方法

针对矿井安全对井下人员位置信息精度和连续性提出的更高要求,提出一种基于误差修正方案的井下人员MEMS定位技术。依据加速度计输出比力均值和方差判定人员步态识别并完成脚部静止时间段的检测,结合零速误差修正工作原理,改进传统卡尔曼滤波方案,完成人员静止状态下运动信息计算误差和惯性器件偏差的滤波估计与补偿。搭建MEMS惯导系统实验平台,设计加速度方差阈值获取实验以及人员水平与三维运动实验。实验结果表明,基于误差修正技术的人员定位方法具有较高定位精度和可靠性。