基于脚部捷联惯性传感器的行人定位方法比较

对两种基于脚部捷联惯性传感器的行人定位方法—惯性导航系统(INS)和行人航迹推算(PDR)方法的定位精度进行比较。为行人定位算法的设计提供参考,在布置有超宽带(UWB)定位设备的空旷地带,实验者将捷联惯性测量单元(IMU)穿戴在脚部,以正常步速行走一个周长为124. 2 m的一个矩形。用INS和PDR算法分别对采集的惯性数据进行处理得到行人位置;以UWB定位的结果为参考,对两种算法的定位精度进行评价。实验结果表明:INS的平均定位精度比PDR高1 m,并且随着行走距离的增加,PDR的定位误差远高于INS,达到2 m以上。     

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。     

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。     

基于采煤机工作面端头量测的改进因子图高精度自主定位方法

采煤机的高精度定位是煤炭开采自动化和智能化的重要研究方向,其中惯性导航系统和里程计是长壁综合机械化采煤机定位主要传感器之一.通过两者的信息融合,能够有效抑制惯性导航系统的发散并且具有较好的自主导航能力,但是仍然无法满足井下长时间的高精度导航要求.鉴于此,分析目前常用辅助传感器在采煤机开采过程中存在的问题,提出基于UWB采煤机工作面端头量测的改进因子图优化方法.利用UWB在工作面端头的位置量测信息,推导并构建惯导/里程计/UWB的约束方程和图优化模型.同时通过惯性信息的预积分,减少待优化的节点数量,降低算法的计算量.在此基础上,加入里程计标度因数误差和安装误差的因子节点进行联合估计和优化.最后通过仿真和实际跑车测试表明,相较于传统卡尔曼滤波的采煤机定位方式,所提出方法能够有效提高采煤机的定位精度.     

基于UWB室内定位系统应用与研究

通过分析当前常用室内定位技术和实施优缺点,引入UWB(Ultra Wide Band,超宽带)定位模块,分析了UWB室内定位系统的原理以及设备上的实现方案,从定位精度和定位动态性能两方面进行关键性技术研究,改进了基于单一方法的定位技术。针对定位精度问题,根据人体下肢运动过程中的对称性特点改进现有的行人航迹推算算法。针对定位动态性能问题,引入惯性导航定位模块,将改进的PDR算法与UWB定位方法进行融合,通过实验测量说明,使用TOA跟踪算法响应速度较快,设计的UWB室内定位系统具有小于5cm的室内定位精度,重复精度小于1cm。     

基于UWB/PDR的组合室内定位算法

为了提升室内定位系统在复杂环境中的实用性,提出了带非视距检测的超宽带(UWB)/行人航迹推算(PDR)组合定位方法。该方法过滤了UWB测量由于非视距(NLOS)带来的有害数据,采用残差状态量的卡尔曼滤波将UWB和PDR的有效数据进行融合,避免了由于系统非线性带来的近似误差,提升了组合系统的定位精度和鲁棒性。仿真和实验结果表明,组合定位系统能够消除非视距的影响,始终比单个系统定位精度高,其定位误差90%在1 m以内,为基于室内定位的应用提供了可靠的基础数据。     

融合UWB与INS的消防员室内定位与NLOS检测算法

融合超宽带（UWB）和惯性导航系统（INS）能够实现消防员室内精确定位。为实现UWB的非视距（NLOS）误差检测,设计一种双级EKF框架。该框架以松耦合形式实现UWB/INS的数据融合,通过INS获取的初始位置估计坐标以检测UWB测量值的NLOS误差,根据检测结果计算残差矩阵来动态调整融合滤波器的测量噪声矩阵,以达到缓解NLOS误差的目的。实验结果表明,与三角不等式原理检测算法和无NLOS检测的UWB/INS简单融合算法相比,所提NLOS检测算法具备良好的检测能力、较强的稳定性及较高的定位精度。     

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....     

基于粒子滤波的UWB+惯导融合定位算法研究

为了提高自主导航机器人的室内定位精度,提出一种基于粒子滤波的超带宽(UWB)/惯导融合定位算法.首先,UWB定位采用双边双向测距算法确定距离信息,通过三边定位算法确定位置信息.其次,惯导定位通过编码器采集运动信息,建立非完整约束下的动力学模型,确定运动轨迹.两种定位信息在上位机中通过粒子滤波进行融合,实现高精度融合定位...     

基于惯性传感器的上肢位置跟踪

为辅助中风病人的康复训练,设计了一种手腕固定惯性测量单元的上肢位置跟踪方案.导航定位算法采用传统的捷联惯性导航解算算法,并在此基础上根据标准康复训练中手臂做屈伸运动时速度周期性为零的特征,引入零速修正技术(ZUPT).采用姿态检测最优算法检测零速区间,将此时惯性导航解算的速度作为量测值进行Kalman滤波,对系统的速度、姿态、位置、加速度计和陀螺仪常值零偏误差进行估计,将估计结果反馈以修正捷联惯性导航的累积误差.同时在Kalman滤波的基础上设计了固定区间RTS平滑算法,解决了零速修正引起的运动轨迹的突变问题.实验结果证明,该方案可以有效地实现上肢位置跟踪,在运动时间为108 s的情况下,定位误差为运动路程的0.089％.     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

Indoor INS/UWB-based Human Localization With Missing Data Utilizing Predictive UFIR Filtering

A combined algorithm for the loosely fused ultra wide band (UWB) and inertial navigation system (INS)-based measurements is designed under the indoor human navigation conditions with missing data. The scheme proposed fuses the INS- and UWB-derived positions via a data fusion filter. Since the UWB signal is prone to drift in indoor environments and its outage highly affects the integrated scheme reliability, we also consider the missing data problem in UWB measurements. To overcome this problem, the loosely-coupled INS/UWB-integrated scheme is augmented with a prediction option based on the predictive unbiased finite impulse response (UFIR) fusion filter. We show experimentally that, the standard UFIR fusion filter has higher robustness than the Kalman filter. It is also shown that the predictive UFIR fusion filter is able to produce an acceptable navigation accuracy under temporary missing UWB-data.      

一种针对全海深载人潜水器的异步融合组合导航算法

全海深载人潜水器（HOV）组合导航中会产生异步融合现象,传统的组合导航算法在处理时会产生较大的误差．针对这一问题,提出了一种基于机器学习和无迹卡尔曼滤波（UKF）的异步融合组合导航算法．首先建立了针对超短基线（USBL）声学定位系统预测的机器学习模型,通过USBL声学定位系统的观测数据集来训练该模型,并用得到的模型来预测更新间隔内的数据．最后使用UKF将已更新的数据集进行融合．仿真结果表明,相比传统的组合导航算法,本文的异步融合组合导航算法可以将USBL声学定位系统数据异步问题所引起的误差降低17%,有效提高了组合导航系统的精度．     

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%。