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。     

运动轨迹对行人导航定位误差的影响

基于零速修正的行人导航算法是采用MEMS惯性传感器实现自主导航的高精度算法之一,航向角误差是影响定位精度的最大因素。目前评价行人导航系统精度的实验轨迹并不统一,而在航向角误差存在时,相同行走距离、不同运动轨迹所产生的定位误差差异较大。针对该问题,分析了不同运动轨迹对定位误差的影响,分别推导了直线、弧形、直线往返、矩形闭合路径下定位误差的数学解析式,不同运动轨迹在理论上的定位误差存在较大差异,据此开展了对应路径的实验研究。结果表明,由解析式计算出的理论轨迹与实验解算得出的轨迹趋势相符合,验证了解析式的正确性。     

基于智能手机的室内外行人定位算法

惯性导航系统可以解决无卫星信号下的行人导航问题,而在室内外场景下抑制航向发散为主要挑战.通过理论推导和观察行人步态特征发现,使用上一零速时刻的航向角与下一动态时刻航向角的差值作为观测量,建立观测方程来修正航向角;针对室内磁干扰问题提出磁干扰检测并修正航向的方法;融合智能手机中的气压计信息抑制高程发散.通过多次室内外行走实验验证,所提方法能够有效修正航向,使室外定位误差小于0.8％,室内定位误差小于1.5％,高程误差室内外均小于0.5％.     

基于九轴传感器的行人室内定位方法

针对由步数、步长精度和航向角偏移带来的定位误差,提出一种基于九轴传感器的行人室内定位方法.利用一种改进的波峰检测法实现精准计步,利用传感器姿态的变化情况识别出原地踏步;在启发式随机漂移消除法(HDE)算法的基础上,提出一种基于主方向的航向修正方法对航向角进行修正;利用一种非线性步长估计模型对行走时的步长进行估算.实验结...     

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.     

基于惯性/磁力传感器的行人3维轨迹跟踪技术

为实现行人3维轨迹跟踪,采用惯性测量单元和电子罗盘组成的导航模块,固联于步行者鞋面上,根据行人步行运动的周期特性,结合四元数法和改进的航姿参考系统算法对步行姿态角尤其是航向角进行高精度估计.在分析速度误差产生原因的基础上,提出一种新的零速度校正技术,并利用行人垂直方向的步行速度判断步行状态,对高度进行补偿,实现了对行人3维轨迹的高精度跟踪.通过直线往返行走、矩形线路行走、上下楼梯等实验,验证了本文方法的有效性和可行性,实验中2维轨迹精度在0.5 m左右,3维轨迹精度在1 m左右.     

基于惯性传感器的行人室内定位算法

针对室内行人定位的运动特征和惯性器件MPU6050每次固定位置的水平差异所造成的定位精度降低的问题,提出了一种基于零偏置校正算法。利用惯性器件在行人静态时所测得的数据,将行人动态行走的数据减去静态时的均值数据,减小了水平位置误差。针对惯性器件本身的漂移误差在二重积分导航算法中因积累而导致定位不准确的问题,提出了一种基于改进零速度修正算法和频域积分算法。根据手机电子罗盘和惯性器件内置陀螺仪的优缺点,将其数据进行融合,由滑动均值滤波和角度补偿算法得到更准确的行人的航向角。将位移数据与方向数据进行结合得到行人运动轨迹,并进行仿真验证。实验结果表明:所提出的算法能够有效提高室内定位的精度。     

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.     

基于角度的HDE算法在室内行人航迹定位中的研究

针对现有启发式偏移消除算法HDE( Heuristic Drift Elimination)中航向角推算不准确、反馈系数鲁棒性较差的问题,提出了对经过扩展卡尔曼滤波的航向角进行启发式漂移消除的算法AHDE( Angle Heuristic Drift Elimination)。首先利用扩展卡尔曼滤波EKF( Extended Kalman Filter)融合陀螺仪、加速度信息,通过四元数的更新来估计航向角,再用启发式漂移消除算法对航向角进行修正,最后结合步数及步长信息推算出行人的行走轨迹。实验结果显示,在行走方向较为固定的典型室内环境中,行走距离在250 m时,该算法平均误差不超过2 m,而HDE算法误差会达到4 m左右。并且该系统具有比对陀螺仪数据进行启发式漂移消除系统更强的鲁棒性。当以100 Hz频率读取数据时, AHDE算法反馈系数的选择范围由 HDE算法的[0.001,0.028]扩展为[0.005,0.23],几乎扩大了一个数量级。     

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。