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。     

基于行人航位推算的室内定位技术综述

行人航位推算系统(PDR)因其无需部署信标节点、成本低廉的特点被广泛应用于室内定位中。围绕基于行人航位推算的室内定位问题,对行人航位推算中步态检测、步长推算以及方向推算的研究现状进行了系统的梳理和述评,综述了基于行人航位推算的室内定位的发展及该领域的一些主要研究成果,指出了该领域现有研究存在的问题,提出了相应建议和深入研究的方向。     

多传感器融合的行人航位推算方法研究

行人航位推算(Pedestrian Dead Reckoning,PDR)具有实现简单、成本低、短时间内定位精度较高等优点.针对PDR定位中存在的误差累积问题,从步频和航向估计两方面进行改进.提出了相邻波峰(波谷)二次判断及多重阈值联合的步频推算方法,步数估计的准确率可以达到98％;针对航向漂移问题,利用卡尔曼滤波对加...     

基于IMU设备的室内行人航位推算

在室内环境中,GPS 信号很难获取,以至于室内行人的航位推算(PDR)成了一个比较大的问题。现如今,常用的室内定位以及PDR的方法是结合外部设备如基于RFID、基于WiFi的定位系统。但是,这些设备在室内部署的时候需要消耗较大的物力以及人力资源。在这篇论文中,设计了一个较成熟的基于惯性测量单元(IMU)设备完成行人航位推算的计算方案。整个计算流程分为五个部分,载体的姿态解算、基于滑动窗口以及限定阈值的方法下的行人的步数检测、基于BP神经网络的行人的步长估计、结合磁力计与陀螺仪进行方向融合的航向推算。最后,根据上述所说的算法流程架构,实现了相应的安卓应用。经测试,在100米左右的回路环境下行走,总体距离误差不超过5米,航向角度偏差不超过5%,能够满足实际的需求     

WiFi辅助的行人航位推算算法

行人航位推算(PDR)中,惯性传感器误差不断积累,提出一种基于Wi Fi辅助的位置矫正方法。当行人行至信号强度大于一定阈值的无线接入点(AP)时,将当前位置重置为此AP的位置坐标。针对当前PDR算法中步长估算精度低及普适性差等问题,提出了一种Wi Fi辅助的频率—步长模型动态调整方法。当Wi Fi信号强度低于设定阈值时,对合加速度进行快速傅立叶变换(FFT)变换得出实时频率,采用频率—步长模型估计步长;当Wi Fi信号强度连续两次达到设定阈值时,将频率估计步长和Wi Fi估计步长根据接收信号强度指示(RSSI)大小进行加权得出融合步长,以此为基准对频率—步长模型参数进行反馈调整,调整后的模型用于下一阶段的PDR。为验证所提方法,在电气楼设计相关实验,结果表明,位置矫正有效消除了惯性传感器的累积误差,模型参数调整后PDR误差降低20%以上。     

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,对行人航位推算的3个关键内容：步数检测、步长估计及航向估计分别进行了改进研究,提出了一种结合自相关分析和自适应波峰检测的新检测算法、一个基于Scarlett模型并融合前一步步长信息的改进步长估算模型、以及一个结合方向传感器算法与卡尔曼滤波的主导航向设置方法;实验结果表明以上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。     

基于多传感器的行人航向推算算法研究

针对室内行人航位推算(PDR)系统中单一地以陀螺仪作为航向估计会出现误差累积和航向角偏移的问题,提出一种由方向传感器和陀螺仪组合的航向角校正算法。首先,利用卡尔曼滤波（Kalman Filter KF）分别消除方向传感器的信号干扰和陀螺仪的动态漂移误差;然后,通过陀螺仪和方向传感器测量的航向角差值是否超过阈值来判断是否存在硬磁场干扰;最后,根据硬磁场干扰情况对航向角估计值进行相应的角度补偿得到新的航向角估计值。实验表明,该算法的航向推算性能优于启发式漂移消除算法和增强式启发式漂移消除算法。     

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.     

基于行人航迹推算的室内定位算法研究

针对室内定位的实际应用需求,提出了基于行人航迹推算算法(PDR)的适用于手机采集数据的室内定位方法。不同于传统的数据采集方法,该种定位方法利用手机得到加速度、陀螺仪以及地磁原始数据,通过分析加速度信号实现步频探测和步长估计。利用扩展卡尔曼滤波器(EKF)融合各惯性传感器数据以提高方向角的解算精度。最后设计了基于Android平台的数据采集软件,可利用手机内置的传感器设备实现数据采集。经实验数据分析,该算法的定位精度优于2m,在实用的基础上具有较高的定位精度和较低的实现复杂度。     

基于惯性导航的平面航迹推算的研究

提出一种基于微机电惯性测量单元的室内定位系统。在本系统中,行人在一个平 面上的位置和方向通过 计算 对人体膝部和腰部佩戴的传感器数据来获取。提出的算法实现了对膝部佩戴陀螺仪的行人行进的步伐进行复位计算以消除角位移误差,同时实现了对腰部佩戴陀螺仪测量的角速率进行连续推算以获取行进方向。结果表明,在一个平面上,行进62.32m的总距离时平均误差仅为0.1935m,标准差为0.0512m。     

基于多指纹联合匹配的混合定位算法

随着信息科技的迅猛发展,室内定位技术已经成为基于位置服务LBS的研究热点之一。基于接收信号强度RSS的位置指纹与步行者航位推算PDR相结合的定位算法能有效提高定位精度,但目前已有的算法难以同时满足较高的定位精度与较小的计算量,常见的卡尔曼滤波算法精度不够,而粒子滤波算法计算量较大。提出了一种基于多指纹联合匹配的混合定位算法,有效融合惯性信息与RSS指纹信息,在较低计算量的前提下实现了高精度定位。实验结果表明,该算法80%的定位精度低于1m,平均精度高达0.77m。     

基于行人航迹推算的蓝牙峰值检测方法

室内定位中行人航迹推算(PDR)方法是最便捷的定位方法之一,其缺点是随着移动距离的增加累积误差会越来越大。利用蓝牙峰值纠正算法能有效降低PDR的累积误差,但蓝牙信号在多蓝牙基站中存在伪峰、错峰的问题,针对上述问题提出了基于PDR的蓝牙峰值检测方法。首先,根据PDR位置估计信息和蓝牙分布信息计算预测概率,筛选前进方向最接近的蓝牙,减少错峰;其次,根据信号的变化计算自适应阈值输出开关信号寻找波峰以检测真实峰值,减少伪峰;最后采用改进的蓝牙峰值纠正算法对PDR位置估计进行纠正。实验结果表明,在安卓智能手机上,峰值检测正确率可达到82.1%,与传统滑动窗峰值检测法相比能有效地减少伪峰和错峰的干扰,降低PDR的累积误差。     

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。     

MEMS惯性传感器ADIS16355在姿态测量中应用研究

为了实现惯性导航控制,需获取控制对象的姿态角信息,设计了基于MEMS惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程,基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验,测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在?1?左右。     

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.     

基于粒子滤波的WiFi行人航位推算融合室内定位

为提高室内定位的精度和稳定性,提出使用粒子滤波融合WiFi指纹定位和行人航位推算的室内定位算法。为减少复杂室内环境对WiFi指纹定位的影响,提出将支持向量机分类与回归相结合的两级WiFi指纹定位算法。在基于智能手持设备惯性传感器的行人航位推算中,为减少惯性传感器的误差以及人随意行走带来的影响,采用状态转换的方法识别行走周期并进行步数统计,提出根据实时加速度数据动态设置状态转换的参数,利用步长和垂直加速度之间的关系以及相邻步长之间的关系,应用卡尔曼滤波进行步长计算。仿真实验中,基于支持向量机的WiFi指纹定位的平均误差比最近邻居(NN)算法降低34.4%,比K最近邻居(KNN)算法降低27.7%。改进的行人航位推算的性能优于常用代表性计步软件和步长计算算法,而经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹:直线行走平均误差为1.21 m,优于WiFi的3.18 m和航位推算的2.76 m;曲线行走平均误差为2.75 m,优于WiFi的3.77 m和航位推算的2.87 m。     

基于磁场指纹辅助的手机室内定位系统

针对当前室内无线定位信号强度易受干扰、设备部署维护成本高等缺点,以及手机在室内航位推算过程中定位误差随时间累积的问题,本文提出了基于粒子滤波磁场匹配的室内定位方法。相比于传统的航位推算方法,通过改进步态判断方式,并提出了动态步长估计算法和卡尔曼滤波航向估计算法,有效减少步态误判和定位误差。同时通过结合航位推算位置选择粒子滤波算法中的重采样区域,加快粒子收敛速度。最后,通过仿真分析和实际室内环境测试结果表明,本文提出的定位方法能够有效地减小定位误差,并实现2米的定位精度。     

基于多模态进化Rao-Blackwellized 粒子滤波器的 移动机器人航迹推算系统的故障诊断

针对一类移动机器人航迹推算系统的故障诊断问题, 提出一种多模态进化Rao-Blackwellized 粒子滤波
器(MERBPF) 算法. 为解决由粒子贫乏引起的不一致性问题, 采用交叉与变异种群策略优化, 根据粒子多样性加入扰
动因子. 利用专家规则判定机器人运动状态所对应的MERBPF, 构造复杂逻辑表述方法. 仿真实验结果表明: 在强过
程噪声下, MERBPF 仍具有较高的鲁棒性, 提高了诊断机器人航迹推算系统的准确率.

     

基于实时步长匹配的行人室内定位方法

针对室内定位研究中行人航位推算（PDR）算法的传统步长模型无法充分反映个体差异性的问题,提出一种以卫星测距为基础,建立个体步长特征数据库代替步长模型的方法. 在室外将卫星测距应用到步长测算中,建立不同速度特征与步长的对应关系. 在室内,改进了K-最近邻（KNN）算法,对跨步进行实时步长匹配,结合方向信息计算出行人的当前位置. 实验结果表明,室内定位最大误差距离可以控制在4%以内,平均绝对误差距离可以控制在2%以内,定位精度较传统步长模型有较大提高.     

一种基于MEMS传感器的无人飞艇航姿测量系统

提出了一种基于微机电系统(MEMS)惯性传感器的航姿测量系统。分析了一些传统姿态解算算法融合过程中的不足,提出一种高效的融合算法,利用梯度法将加速度计和磁力计对地球重力场和磁场矢量的观测量去修正陀螺给出的姿态信息。针对实际测量系统中振动对姿态的干扰问题,提出切比雪夫II型低通数字滤波器进行传感器数据预处理,并结合运动状态修正融合算法从而进一步抑制振动。通过实验表明:该系统的算法具有较低的计算负荷,能有效地估计出姿态,抑制振动有害加速度对姿态估计的影响,测量动态误差小于2°,静态误差小于0.8°。