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。     

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%。     

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。     

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。     

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%。     

基于自包含传感器的单兵导航系统设计

针对无卫星信号环境中单兵人员导航定位需求,设计了一种基于自包含传感器的单兵导航系统,重点研究了惯性传感器和压力传感器组合的零速区间检测算法,并通过对单兵导航系统背景磁场误差进行补偿来计算航向角,实现了速度观测量和航向观测量的准确提取。在此基础上,采用Kalman滤波器对系统状态误差进行估计,并对惯性导航解算结果中的累积误差进行修正。最后,在实际路线上开展了单兵导航系统定位实验,实验结果表明,行人在矩形路线终点位置处的位置误差为0.42m,占行走总路程的0.33%,从而证明了零速修正和航向修正能有效提高单兵导航系统的定位精度。     

基于惯性递推原理的行人自主定位方法综述及展望

在室内环境或者卫星信号遮挡环境下,如何实现单兵或者行人的自主定位是目前研究的热点问题.其中,基于惯性递推原理的行人自主定位方法由于无需提前布设基础设施,且具有体积小、成本低、完全自主、不受干扰、实时性高等特点,因此具有广泛的研究价值和意义.本文围绕基于惯性递推原理的行人自主定位方法展开介绍,针对动态步态分析、零速区间检测、惯性器件误差约束、运动误差约束方法和融合算法等方面技术进行了综述.最后,对基于惯性递推原理的行人自主定位方法的发展方向进行了展望.     

改进的组合导航算法在MEMS组合导航系统中的应用

针对MEMS组合导航系统的应用,提出了一种改进的组合导航算法。首先采用零速修正算法对MEMS陀螺仪逐次启动重复性无规律的常值零偏进行补偿;其次,通过分析陀螺仪误差项的构成,提出了一种将卡尔曼滤波器输出的误差估计量P与零速修正的误差量相结合的改进导航算法,引入误差量分配加权思想,实现对系统误差方差阵Q中陀螺仪误差量的在线调节。利用跑车试验数据对算法进行验证,结果表明在MEMS组合导航系统中,与经典的导航算法相比,改进算法的导航精度更高、可靠性更强,是一种能有效应用于实际中的估计方法。     

Integration of GPS and low cost INS for pedestrian navigation aided by building layout

In outdoor environments, GPS is often used for pedestrian navigation by utilizing its signals for position computation, but in indoor or semi-obstructed environments, GPS signals are often unavailable. Therefore, pedestrian navigation for these environments should be realized by the integration of GPS and inertial navigation system （INS）. However, the lowcost INS could induce errors that may result in a large position drift. The problem can be minimized by mounting the sensors on the pedestrian＇s foot, using zero velocity update （ZUPT） method with the standard navigation algorithm to restrict the error growth. However, heading drift still remains despite using ZUPT measurements since the heading error is unobservable. Also, tbot mounted INS suffers from the initialization ambiguity of position and heading from GPS. In this paper, a novel algorithm is developed to mitigate the heading drift problem when using ZUPT. The method uses building lay- out to aid the heading measurement in Kalman filter, and it could also be combined for the initial- ization. The algorithm has been investigated with real field trials using the low cost Microstrain 3DM-GX3-25 inertial sensor, a Leica GS10 GPS receiver and a uBlox EVK-6T GPS receiver. It could be concluded that the proposed method offers a significant improvement in position accuracy for the long period, allowing pedestrian navigation for nearly40 min with mean position error less than 2.8 m. This method also has a considerable effect on the accuracy of the initialization.     

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。     

基于虚拟地标的行人惯性SLAM算法

针对当前仅使用低成本惯性传感器的行人导航系统航向角存在较大累积误差的问题,研究了一种只使用惯性传感器信息的虚拟地标构建方法,并通过匹配虚拟地标点对位置和航向进行误差补偿.在此基础上,结合同时定位与建图(SLAM)方法的思想,实现了仅基于惯性传感器的SLAM,提高了行人导航的精度和可靠导航时间.试验结果表明,该方法能够有效消除纯惯性行人定位系统的累积误差,在2027m2的单层建筑物中空间位置误差小于10m.     

单兵自主导航技术研究

针对美国MicroPNT计划中的单兵导航技术开展了理论分析、样机研制及试验工作,设计了单兵导航技术的基本原理、系统组成和基本算法,分析了室内作业的定位和指挥需求,分析了影响系统实现和定位精度的关键因素,研制了原理样机并开展了导航试验,结果表明：采用微机电惯导系统+零速修正的方案来实现单兵导航的方案是可行的;以目前微机电惯性仪表的性能水平,有望实现100米/小时的定位精度;随着微型惯性仪表性能的提高,有望在5-10年内实现定位精度10米/天的单兵自主导航系统。     

基于惯性/偏振光/光流的六足步行机器人自主导航方法研究

针对惯性/卫星组合导航系统易受干扰或自主性不足等问题，引入偏振光传感器和光流传感器，分别建立航向角和速度量测方程，以辅助惯性导航系统，提出了一种基于惯性/偏振光/光流的自主导航方法。同时，为实现惯性传感器、偏振光传感器和光流传感器等多传感器的融合，设计了无迹Kalman滤波器。为验证该方法的有效性，以六足步行机器人为对象开展仿真和实验验证。结果表明，在没有卫星信号源的情况下，仅依靠机器人自身感知，可实现较高精度的机器人位姿估计，实现了不依赖于卫星导航信号的自主导航，提升了导航系统的自主性。     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。     

基于步进式运动模型的单兵协同导航算法设计

基于足部微惯性测量单元(MIMU)和超宽带测距的协同导航技术是一种解决卫星信号受限环境下单兵自主导航难题的有效途径。根据零速修正辅助的惯性解算特点,建立了一种单兵协同导航模型,协同导航状态为各单兵的位置和航向,系统输入为足部MIMU提供的每步位移和航向增量。将算法与相关文献中提出的两种算法进行了对比分析,该算法的优点是无需对足部惯导模块做任何改动和进行反馈修正,易于工程实现且不损失精度。通过三人协同导航试验分析了算法的性能,数据分析表明协同导航在不同条件下可以不同程度地改善系统的定位性能。     

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.