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.     

室内定位航位推测算法的研究与实现

针对室内定位的个人航位推测(PDR)中漂移导致定位误差累积的问题,提出一种微机电系统传感器整合的PDR算法.根据典型计步器原理及步长估算获取位移信息,在计步算法中加入动态时间窗口及动态加速度阈值,以得到更精确的计步结果.利用捷联航向角校正磁航向角得到校正后的航向角,以修正定位中的累积误差.实验结果表明,室内定位精度距离误差可控制在5％以内,计步结果精度高,易于求得航向角,又能在一定程度上校正长时间漂移等因素带来的位置误差.     

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。     

一种多源融合室内外无缝定位方法

针对室内外无缝定位中GNSS易失锁以及定位不稳定等问题,本文提出了一种航向角修正算法,使用RTK定位的绝对角度对惯导的相对角度进行修正,有效提高了航向角的精度与稳定性;提出了一种基于扩展卡尔曼滤波与置信度加权的多源融合定位算法,采用GNSS/UWB组合惯导进行定位解算,有效利用多组定位源,实现多源融合定位.测试显示,该...     

基于改进航向估计的行人航迹推算研究

针对行人室内定位精度不高的问题,提出的算法包括步频估计、步长估计和航向估计.改进的航向估计算法基于四元数姿态解算并利用扩展卡尔曼滤波(EKF)修正航向角的偏差.基于提出的定位算法,构建了以惯性测量单元为核心的实验平台,结果表明:算法具有可行性,定位的置信度达到98.28%,满足实际需求.     

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。     

DR/RSSI组合室内定位系统设计与实现

针对缺少全球定位系统情况下的室内定位需求,提出了一种航位推算/接收信号强度指示组合的室内定位算法。基于搭载多传感器的智能移动终端,采用方位传感器监测航向,通过监测Z轴加速度判定步数,利用接收信号强度指示的绝对定位在线更新步长和修正航位推算产生的积累误差,充分发挥了两种定位方法的优势。对采用航位推算/接收信号强度指示组合算法的室内定位系统在安卓平台上进行了实现及有效性验证。     

基于恒星敏感器的月球车航向角确定算法

针对月球特殊的工作环境,阐述了现有技术条件下,我国自主式月球探测车采用惯性导航系统进行位姿确定时,航向角参数误差随着时间不断累积的缺点,进而提出了一种基于星历表数据和恒星敏感器相结合的月球车航向角精确值的确定算法,定期对惯性导航系统中的航向角参数进行修正,以提高月球车位置和姿态精度.重点介绍了航向角精确值的确定步骤,并对由航向角误差引起的定位误差进行了仿真分析,仿真结果证明了航向角修正的必要性和此方法的可行性.     

基于LSTM个性化步长估计的井下人员精准定位PDR算法

针对传统的行人航位推算(PDR)算法由于步长和航向累积误差导致定位精度较低,不能满足井下人员精准定位需求的问题,提出了一种基于长短时间记忆网络(LSTM)个性化步长估计的井下人员精准定位PDR算法。首先采集井下人员运动中的加速度、陀螺仪惯性信息,解算每一步运动距离构建步长数据,通过离线训练获得井下人员个性化步长估计LSTM模型;然后在在线预测阶段通过矿用本安智能手机实时采集加速度、陀螺仪、地磁等井下人员运动数据,分别采用步伐检测算法、个性化步长估计模型获得井下人员运动步伐及每一步的步长,利用卡尔曼滤波融合航向估计算法获得航向角;最后根据步长估计和航向角预测井下人员当前位置。在内蒙古鄂尔多斯市高头窑煤矿采集井下人员运动数据进行试验,结果表明:基于LSTM个性化步长估计的井下人员精准定位PDR算法对井下人员运动中的步伐检测精度为96.5%,步长预测精度为90%;在井下真实环境中的相对定位误差为2.33%,提高了煤矿井下人员定位的精度。     

改进的井下人员定位PDR算法研究

传统的行人航位推算(PDR)算法用于井下人员定位时,因步频检测、步长估计和航向估计阶段的姿态累计误差导致定位误差逐渐增大,而常用的零速校正、航向漂移消除、步态信号优化等误差修正方法无法改变PDR算法的固有缺陷,定位精度有待提高。提出采用改进的峰值检测法实现PDR算法中步频检测,基于深度循环神经网络(RNN)实现步长估计。将改进的PDR算法用于井下人员定位:首先采用手机加速度传感器、陀螺仪、磁力计获取行人运动数据;然后采用改进的峰值检测法获取固定时间间隔内的平均步频,与时间间隔、加速度及加速度方差作为特征输入训练后的深度RNN模型进行步长估计;最后结合估计的航向角预测人员当前位置。试验结果表明,改进的井下人员定位PDR算法对测试集数据的预测相对误差为5.9%,对实际测试路线的定位相对误差为1.6%~3.9%,小于传统PDR算法定位误差,有效提高了井下人员定位精度。