基于MEMS惯性传感器的行人航位推算系统

提出一种基于低成本MEMS自包含传感器,能自主完成数据采集、数据处理的行人航位推算（PDR）系统.硬件平台集成三轴加速度计、三轴陀螺仪、三轴数字罗盘及气压计,不需任何额外设施.通过自包含传感器测量行人行走的步长、方位及高度,实现行人室内、外三维定位.采用加速度信号实现跨步探测和步长估计.利用互补滤波器融合加速度计、陀螺仪和数字罗盘数据,矫正陀螺仪的测量误差和磁场干扰对数字罗盘的影响,提高行人行走的方位精度.测试结果表明：系统的定位误差低于行进距离的4％,满足行人定位要求.验证了系统的有效性和可靠性.     

基于GPSOne和航位推算的定位算法研究

根据行人导航的原理,提出一种适合消防员定位的航位推算算法,并结合GPSOne对消防员的定位信息进行随时更新,以校正由航位推算引起的累积误差,并且可以实现室内外的无缝定位。用加速度计对消防员进行步态辨识,电磁罗盘测量其航向角,并用三轴陀螺仪对航向角进行修正。区别于常用的线性和非线性计算步长的方法,提出一种全新的由速度和频率确定位置增量的步长计算方法,经验证,该算法具有较高的定位精度。     

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。     

基于MEMS惯性器件的行人室内定位系统

基于惯性传感器的行人航位推算系统不需要预先安装任何基础设备,能自主运行、实现实时行人定位。设计的硬件平台将低成本、低功耗、小尺寸的MEMS惯性传感器与GPS接收机相结合。在室内、城市峡谷等GPS信号不稳定的环境,惯性传感器根据前一GPS定点推算行人行走的相对位置。行人所处位置高度由气压计测量,与平面位置相结合实现三维定位。简单而有效的跨步探测及步长估计算法降低对微处理器的计算及存储要求。利用互补滤波器融合加速度计、陀螺仪、数字罗盘数据,降低方位误差、提高定位精度。室内行人行走测试实验表明:定位误差低于总行走距离的3%。验证了系统的准确性和可靠性,满足行人定位要求。     

基于智能手机的惯性导航轨迹生成算法

针对传统的手机惯性导航技术存在无法精确计步和计算步长的问题,提出了一种基于智能手机的惯性导航轨迹生成算法。该算法根据智能手机上三轴加速度传感器捕捉的人走路时产生的三轴加速度,利用基于Mealy状态机的计步算法计算人所走过的步数,并获得每一步的起止时间戳;根据三轴陀螺仪所获取的数据及每一步的起止时间戳,结合指南针读数,计算人走过的每一步所发生的方向变化;根据不同步长的人行走时所产生的不同加速度,基于最小二乘法估计人的步长;根据路径起点的坐标,结合步长及方向变化,计算人走过的每一步相对于路径起点的坐标,得到人的运动轨迹。仿真结果表明该算法能够达到较高的惯性导航精度。     

无人机捷联航姿系统误差分析与补偿

针对由三轴磁传感器、三轴微机电系统(MEMS)加速度计和三轴MEMS速率陀螺构成的无人机捷联航姿参考系统(AHRS),在详细分析3种传感器误差来源的基础上,建立了与之相适应的误差数学模型;根据传感器自身特点和九轴传感器的测量特点提出了相对应的误差补偿算法.试验结果表明:磁通门传感器的航向角最大误差由补偿前15°降低为补偿后1.6°;补偿后加速度计的俯仰角最大误差为0.25°,倾斜角最大误差0.35°;速率陀螺的静态误差补偿在3.5 min之内航向角误差为±0.3°,俯仰角补偿后误差±0.4°,倾斜角补偿后误差±0.4°;当速率小于15°/s时,动态误差控制在±1°.     

基于神经网络的多传感器融合PDR定位方法

针对当前行人航位推算系统因行人随意性行走、传感器漂移等造成行人步长估计不精确、方向计算误差累积问题,提出了一种基于神经网络和智能手机内置多传感器融合的PDR室内定位方法.首先利用加速计采集的传感器数据和移动距离数据训练BP神经网络,将训练好的BP神经网络模型进行行人移动距离预测,然后根据行人行走步伐的连续性特点和传感器输出之间的相关性,设计了一种微航向角融合的方向估计算法.该算法通过对行走过程中的情况进行分类以获得可靠的传感器源,利用3种微航向角进行分类加权融合,最终获得行人行走方向的精确估计.实验结果表明,通过行人移动距离预测和微航向角融合算法能够实现得较好的定位效果.     

基于MEMS的微型飞行器姿态测量系统

利用三轴加速度计和三轴磁强计,设计了基于MEMS技术的微型飞行器姿态测量系统。系统采用C8051F单片机进行各传感器的数据采集,通过串口通信将采集的信息发送到上位机,用四元数解算算法进行数据融合和姿态解算,将俯仰角,横滚角、航向角等信息在上位机界面上显示出来。     

基于多姿态直接算法的磁传感器测量和校正方法研究

根据地磁导航的要求,描述了基于三轴加速度计和三轴磁强计的航向角测量原理,分析了磁强计的误差来源及其对航向角测量的影响,提出了基于多姿态直接计算法。该算法直接利用多个姿态下三轴磁强计输出的各个分量进行误差计算,并进行补偿。同时将此算法与基于最小二乘的24位置误差补偿法进行比较,通过数据仿真,结果表明两种方法均能抑制磁强计误差的影响,航向角的测量精度由2°提高至0.3°。     

利用惯性测量元件进行三维定位的系统设计

针对消防室内定位技术的需求,搭建了基于惯性测量元件的室内三维定位系统。首先,利用微机电系统(MEMS)惯性传感器获取行人运动过程中的必要参数。然后基于行人航迹推算(PDR)算法,实时计算出行人行走的步数和步长;通过气压传感器实时采集行人所处位置的高度。最后,利用无线数传模块结合服务器端处理,实现行人的室内三维定位。测试表明:系统在正常行走的情况下,可以满足行人的室内三维定位要求。     

鞋式个人导航系统算法和试验研究

针对个人定位的需求,提出了基于MEMS惯性传感器的鞋式个人导航系统。利用人体行走过程中脚部与地面相接触的静止时间段,设计了一种以比力模值、比力方差和角速度模值为检测条件的静止检测算法。将静止时间段的解算速度连同方位一起构造量测,然后设计基于卡尔曼滤波器的修正算法,实现了行走过程中累积误差的估计和校正。最后通过矩形路线的行走实验验证了导航算法的有效性和可行性,并指出了进一步的研究方向。     

面向室内定位的改进行人航位推算方法

为提高室内定位精度,本文对行人航位推算的步数检测、步长估计及航向估计进行了改进研究;首先,将自相关分析法和自适应波峰检测法相结合提出了一种新检测算法;其次,基于Scarlett模型提出了融合前一步步长的改进步长估算模型;再次,基于方向传感器算法,通过设定主导航向并结合卡尔曼滤波,来减少直线行走航向估计误差;最后,通过实验验证改进方法提高了步数检测准确率和步长检测精度,减少了航向角误差,取得了较好的室内定位效果。     

基于PSD的太阳方位对准系统研究

针对现有太阳方位跟踪系统中对准精度较低、易受环境制约等问题,设计了一种太阳方位对准系统。该系统一方面接收GPS输出数据信息,利用视日运动轨迹跟踪方法计算初始方位;另一方面利用斜入射平凸透镜的太阳光线在二维四边形PSD器件上形成光斑,计算光斑中心与PSD器件几何中心之间偏差,结合二者信息对太阳方位进行准确定位,对安装倾斜误差进行补偿。实验结果表明,该太阳方位对准系统能够实现全天候、大范围内准确定位,设计方法合理、可行。     

基于MEMS的数据手套传感技术研究

目前数据手套大多采用机械式、光纤式或者图像识别等方法来获取手势姿态.基于MEMS传感器设计的数据手套利用MEMS传感器（三轴陀螺、三轴加速度计和三轴磁阻）,根据惯性测量原理,采用基于四元数解算的扩展卡尔曼滤波信息融合方法来获得手指全姿态信息,克服了传统方法的局限性.其穿戴方便、运动自由度大、抗干扰能力强,且不受光线条件的约束.测试和实验的结果表明,基于MEMS传感器的数据手套稳定可靠,具有一定的创新性和实际应用参考价值.     

基于改进的ASM方法的人脸特征点检测

针对传统的Active Shape Model（ASM）方法的缺陷与不足,提出了几点改进的方法。传统的ASM方法利用人脸检测提供的初始位置进行特征搜索;在改进算法中,利用了瞳孔定位的方法进行初始化,并采取了边缘约束,自适应步长等改进方法,有效地改善了ASM方法的性能。实验结果表明,改进的ASM方法在准确性和鲁棒性上有较大提高。     

行人导航系统中航迹推算参数估计方法的研究

将GPS/DR组合导航技术应用到行人导航系统中。利用加速度计对行人步态进行判别,将神经网络用于行人步幅信息的标定。同时利用电子罗盘实现方位角的测量,并结合加速度计信息进行倾斜角度的误差补偿。现场测试结果表明,本文提出的DR参数估计方法不但提高参数估计的精度,而且能够满足行人导航定位的要求。     

基于MEMS惯性传感器的行人导航轨迹复现研究

针对目前行人导航对精度的需求,提出了基于微机电系统(MEMS)惯性传感器的行人导航系统.系统置于行人脚面,导航算法依据传统捷联惯性导航,采取基于卡尔曼滤波的补偿累积误差算法和零速检测方法,采用三条件判断法,即传感器三轴的总加速度、总加速度方差和总角速度的三条件满足判断方式,解决了行人导航步行过程中累积的误差补偿与校准.分别以圆形路线和矩形路线验证导航算法的适用性和准确性,对比分析实验结果表明:误差结果控制在5%以内,满足导航要求.     

双足机器人自然ZMP轨迹生成方法研究

为了实现双足机器人类人行走,提出了一种基于自然ZMP轨迹的双足机器人步行模式生成方法。在单腿支撑相,根据基于三维线性倒立摆模型,在设定从脚跟到脚趾移动的自然ZMP轨迹后,得到质心轨迹方程;在双腿支撑相采用线性摆模型生成质心轨迹方程。同时给出了在统一坐标系中的多步规划质心轨迹方程。在RoboCup 3D仿真平台实现了采用自然ZMP轨迹的双足机器人类人稳定步行,实验和竞赛结果都验证了该方法的有效性。     

基于MEMS的吊车系统摆角无线测量

提出并实现一种基于微机电系统(MEMS)的吊车系统摆角无线测量方案。测量系统包含2套具有无线通信功能的基于MEMS的航姿参考系统(AHRS)模块,一套安装在吊车本体用于检测吊车本体的空间姿态,另一套安装于吊钩用于检测负载的空间姿态,以吊车本体姿态为基准校核负载的空间姿态,计算得到负载相对吊车本体的空间摆角。对提出的吊车系统摆角测量技术搭建了实验装置进行验证,实验模块集成Zig Bee无线通信和基于MEMS的AHRS。实验结果表明:装置能够有效实现吊车系统摆角的有效测量。     

基于Wi-Fi信道状态信息的行走识别与行走参数估计

行走是日常生活中最常见的行为之一,它的特征可以反映人的身份、健康等重要信息.例如,行走的速度、方向、步数、步长等细粒度的参数可以为室内追踪、步态分析、老人看护等情境感知应用提供关键信息.因此,在近几年中,利用环境中已有的Wi-Fi信号对行走进行感知受到了研究人员的广泛关注.为了利用Wi-Fi信号感知行走,当前的方法都需要进行大量的行走数据采集,通过经验观察或者离线学习,提取信号特征来识别行走以及估计行走参数.由于缺乏理论指导,所提取信号特征较为间接且往往包含与环境和感知目标相关的冗余信息,所以当环境和感知目标发生变化时,系统需要重新进行学习,使其难以被应用于无线环境易变的真实场景中.不同于以往工作,首次在不需要任何预训练的情况下,利用环境中已有的Wi-Fi信号实现了在连续活动中对行走行为的精准识别,并且能够同时精确地估计行走的速度、方向、步数、步长等多维信息,为上层情境感知应用提供关键的上下文信息.特别地,通过分析人在行走过程中产生的多普勒效应和Wi-Fi信道状态信息（channel state information）之间的关系,建立基本的多普勒速度运动模型,揭示了行走行为和信道状态信息变化之间的理论关联.同时,基于该模型,通过多重信号分离（multiple signal classification）算法从信道状态信息中提取出了与环境和感知目标均无关、仅与人运动状态相关的信号特征——多普勒速度.最后,通过深入研究多普勒速度和人的行走真实速度之间的映射关系,提出了基于多普勒速度的行走识别与细粒度的行走参数估计方法,且经过在不同环境中、由不同实验者进行的大量实验也表明了行走识别和行走参数估计方法的准确性和鲁棒性.其中,对于行走识别的准确率达到了95.5%,行走速度大小估计的相对中位误差为12.2%,方向估计的中位误差为9°,步数统计的准确率达90%,步长估计的中位误差为0.12m.