基于MIMU的适应多步态的步行导航算法

针对目前国内外步态导航算法中引入的零速检测大都不能很好的对多种步态的行走进行辨识的问题,提出了基于低成本MIMU（微惯性测量单元）、且能兼容多种步态的步行导航算法。算法通过采集安置在行人脚部MIMU输出的测量信息,用捷联惯性积分算法进行导航解算。其间,提出一种新的零速检测方法对行走时变化的步速和步型进行准确辨识,进而找到脚步的零速时刻点,并通过设计的扩展卡尔曼滤波（EKF）对导航解算结果进行零速修正（ZUPT）,实现系统的反馈。最后进行两组实验对算法验证。结果表明,该步态导航算法能对行走时的多步态问题有很好的兼容性,零速修正时刻辨识准确度高,两组实验的导航解算误差均达到0.6%以内,进一步提高了步态导航算法的精度和实用性。     

基于室内合作场景智能识别的行人导航算法

基于足绑式惯性测量单元(IMU)的惯性导航系统被广泛应用于行人导航中,其通过零速修正(ZUPT)算法可对速度估计误差进行较好的补偿,然而其位置误差会随时间发散。针对于此,提出了一种基于室内合作场景智能识别的行人导航算法。通过随机森林算法,对行人在室内平地步行、上楼梯、下楼梯等不同步态进行训练与辨识,并结合室内先验地图对行人导航的结果进行校正。通过实验表明,行人在室内行走1100m时最大定位误差为1.85m(总行程0.17%),相对无场景识别的方法精度提高了6倍,可以有效提高行人导航精度。     

基于UWB/SINS组合的行人导航研究

在特殊环境下全球定位系统(GPS)信号强度被严重削弱,此时基于GPS技术的导航设备将受到严重影响。针对不依赖GPS的行人导航定位需求,提出了一种基于微机电捷联惯导系统(SINS)与超宽带(UWB)定位系统相结合的行人导航方法。该系统由捷联惯导系统与超宽带定位系统组成,行人导航算法在传统的捷联算法的基础上引入了零速修正技术用于检测零速时刻,并使用阈值法剔除了超宽带错误信息,通过联邦Kalman滤波融合了零速、位置和航向信息,并对系统速度、位置、航向进行了校正。行人导航实验表明,该方法能够提升系统定位精度,并进一步加强系统的稳定性与可靠性。     

基于零速修正的行人导航关键技术及研究进展

在室内等卫星导航受限场景下，可采用MEMS惯性传感器对行人进行自主导航定位。采用MEMS惯性传感器的行人自主导航技术主要包括基于步长估计的行人航位推算和基于零速修正的行人导航算法两种方式。首先介绍了两种方式的基本原理，然后重点分析了零速修正的行人导航算法，阐述了相关的关键技术和研究进展。最后，对行人自主导航未来的发展趋势进行了展望，并指出了需要重点关注的技术难点。     

一种优化的零速检测行人导航算法

针对军事上对单兵定位和民用领域为行人提供位置服务的需求,提出了足部固定MIMU的行人导航算法.利用人体行走过程中脚部与地面相接触的静止时间段,采用零速更新(ZeroVelocity Update,ZVU)对INS继续对准或标定,而零速检测又是实现零速修正的基础.研究对比了在足部固定MIMU进行零速检测的常用方法,针对常用算法阈值自适应性差,无法检测步速变化转弯等一些异常情况对行人零速检测产生误判等问题,提出优化的零速判断算法,使得加速度计信号和陀螺仪信号综合应用到零速检测.最后,利用改进算法设计行人室内平地正常行走(大约5km/h)包含步速变化和转弯过程的实验.实验结果表明,优化的零速检测算法相比之前的常用算法,能更准确地检测零速并进行修正,对导航轨迹和导航误差有更好的修正效果.     

一种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法

目前，行人导航定位技术已经深入社会的众多领域，受到诸多学者的广泛关注。针对行人跑步状态，研究了一种惯性/零速/GPS室内外无缝组合导航定位方法。首先提出了可靠的、适用于行人跑步零速检测的方法，有效提高了在行人跑步状态下的零速检测的准确性。针对GPS信号容易受到高楼、高架等环境的干扰及在室内容易完全丢失的特点，提出了基于BP神经网络的GPS可用信号筛选方法，提高了GPS信息的可靠性与精准性。在此基础上，研究了基于可变量测的Kalman滤波器，实现了惯性/零速/GPS信息的有效融合，显著提高了在行人跑步状态下的导航定位精度。试验结果表明，所提出的这种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法的平均定位误差可减小到行人跑步总里程的1%以内。     

基于足部安装MIMU的行人导航系统设计

针对无卫星环境中行人导航定位需求,设计了一种基于足部安装MIMU的行人导航系统,重点研究了行人导航鞋传感器选型及样机设计流程;并在此基础上设计了基于零速修正和航向修正的行人导航算法,研究了零速区间内最优航向角的提取方法,实现了对瞬时磁干扰产生的磁航向角的有效判断。最后,利用设计的行人导航系统开展了三维空间航迹测试实验,实验结果表明,在不增加高度约束的条件下,该行人导航系统定位精度为0.33%,能够满足坡路环境中行人的定位需求。     

行人导航系统中的MEMS误差在线修正技术

在基于微惯性器件的行人导航系统中,陀螺仪和加速度计的偏移是降低系统定位精度的重要因素。传统的标定方法大多在实验室中进行,后续导航解算都是基于标定后的固定模型,然而MEMS器件长时间工作后,标定模型参数发生变化会导致系统导航性能下降。通过分析行人导航系统及MEMS器件的特点,提出了一种基于误差模型的MEMS器件参数在线修正方法。根据行人行走的特点,检测并区分行走过程中的可修正区间与不修正区间。在可修正区间基于逆向解算算法实现了对陀螺仪和加速度计零偏的在线修正,并提出了主航向反馈修正算法,提高了行人导航系统长时间导航性能。实验结果表明,40m行走实验中,系统定位精度提升了9.07%;300m行走实验中,系统定位精度提升了13.14%。     

一种优化高度通道的行人导航算法

针对纯惯性行人导航系统中,高度误差很快发散的问题,提出了一种在零速区间内将水平误差和高度误差分开修正的算法。首先,利用陀螺仪输出在零速区间内的先验信息,设计了一个基于伪标准差和N-P准则的零速检测算法。然后,通过对比纯惯导条件下零速修正前后高度估计的结果,发现传统零速修正对高度误差过度修正,因而提出一种将水平误差和高度误差分开修正的方法,以便控制高度修正的程度,使得高度修正结果按照期望进行。经过大量不同环境,不同行人的实测实验,验证了文章提出的改进高度通道的行人导航零速修正算法准确有效,相对传统零速修正算法,本算法大大提高了高度估计的精度。     

单兵导航多传感器信息融合自适应滤波算法

基于足绑式INS的单兵导航系统,通过将惯性导航系统、人体运动学约束、磁强计等多传感器信息进行融合得到准确的单兵导航信息。对于匀速步行时的单兵导航,可采用普通Kalman滤波算法进行多传感器信息融合,但不能满足跑步等激烈运动模式下单兵导航需求。提出衰减记忆新息自适应Kalman滤波算法,可满足多步态模式下的单兵导航多源信息融合的需求,实验结果验证了算法的有效性。     

基于改进的磁场检验和主方向算法的行人航向估计

针对以惯导为核心的行人定位算法存在航向角失真的问题，提出了一种融合惯性测量单元(IMU)和磁力计的行人导航算法，利用步幅航向的变化量将行人的运动分为直线行走和曲线行走两部分，当检测到行人直线行走时，提出一种实时建立主方向的自适应航向角漂移修正算法，对航行角误差进行补偿；当行人曲线行走时，辅助地磁场信息，使用磁场强度、地磁倾角、惯性导航系统(inertial navigation system，INS)与磁力计解算的航向角之差这三个特征值构建广义似然比检验量，对磁场进行判断获得稳定状态磁场信息，通过卡尔曼滤波对航向角误差进行补偿。将传感器置于足部进行实验，实验结果表明,两种算法可以实现优势互补，有效地抑制地磁信息的干扰，提高导航精度，算法结果相对于无航向角修正的零速修正算法、零角速度更新算法和单独使用磁力计进行融合的算法，定位误差分别降低了91.02%、82.93%和61.39%，室外和室内终点定位误差分别为4.545 4 m和0.543 6 m，占总路程的0.69%和0.17%。     

地图辅助行人航迹推算技术的室内定位方法

针对目前室内定位技术中位置漂移、定位结果偏差较大的问题,提出了一种融合行人航迹推算(PDR)、地标匹配修正和地图辅助的室内行人定位方法.该方法利用基于惯性传感器的PDR技术计算行人位置信息,利用行走过程中的传感器读数特征识别室内特定地标点,与地标库数据进行匹配后,修正PDR轨迹产生的累积误差.室内地图辅助主要是通过判断行人是否位于走廊等区域,限制轨迹穿墙,约束PDR定位轨迹.实验结果表明,融合定位算法得到的轨迹优于纯惯性递推算法得到的轨迹,更加接近真实的行走轨迹,定位精度提高了51.2％,平均定位误差降至1.8m,满足室内定位需求.     

腰绑式行人导航系统基于缓存区的启发式航向补偿算法研究

腰绑式行人导航系统通过航位推算方法实现行人定位导航，对于实行灾难救援和单兵作战等任务十分便利。行人行进步长和航向的准确估计是实现航位推算的前提。根据腰绑式惯性传感器信号的特征，采用基于三轴合成加速度的峰值检测进行单步划分；利用步频和加速度方差信息构建线性步长模型。针对人员执行任务过程中由于运动方向不确定性导致传统启发式航向漂移消除算法过度修正甚至失效的问题，提出了一种基于缓存区的启发式航向补偿算法。根据运动方式选定N个复步作为一个缓存区，计算缓存区内相邻复步航向差值的方差，依据方差动态调整航向补偿算法的修正强度，避免过度修正。利用所提算法进行了矩形实验和操场实验，终点定位误差小于1%，表明了所提方法的有效性。     

GNSS干扰信号检测方法研究

研究了GNSS导航接收机在干扰源条件下的干扰检测和识别技术。除常见的卫星干扰如脉冲干扰、扫频干扰、BPSK干扰、宽带高斯白噪声干扰外,还添加了QPSK和8PSK干扰进行建模分析,并提取了常见的特征参数,如信号3dB带宽和频谱峰度等。通过研究,高阶累积量被提取作为MPSK干扰类内识别的特征参数。研究了基于决策树和BP神经网络等分类器算法的干扰盲识别,并分析比较了这些分类算法的识别准确率,为抗干扰领域的研究提供了重要参考。