基于惯性鞋载传感器的人员自主定位粒子滤波方法

为了解决卫星导航信号被"遮挡"条件下定位问题,该文提出一种基于惯性鞋载传感器的高精度人员自主定位方法。该方法通过经典的拓展卡尔曼滤波辅助的零速更新(ZUPT-aided EKF)算法解算鞋尖惯性测量数据得到人员的初步运动轨迹,并创新性地提出一种粒子滤波框架下利用建筑物结构先验知识对轨迹进行修正的方法。根据大多数建筑物的结构,将行走平面划分为8个方向,包含4个主方向(走廊朝向)和4个辅助方向。根据粒子偏离8方向的程度按照高斯函数对粒子的权值进行更新,并用剩余重采样的方法避免了粒子的退化。实测数据验证了该文提出的方法,结果表明:该方法比轨迹修正前和传统轨迹修正的方法有更好的精度,在861 m的复杂轨迹下定位误差仅为2.7 m,定位精度优于0.5%;同时该方法有较好的一致性,不同楼层间的行走定位误差保持在2 m内,可以进行稳定持续地定位。

基于鞋载惯性传感器的地图辅助人员定位方法

由于严重的"遮蔽"现象,卫星导航在室内环境中几乎无法使用。人员自主定位系统作为此条件下的一种有效"补盲"手段,在消防、特战、反恐等方面具有广泛的应用。为了克服人员自主定位中存在的惯性漂移,常常利用辅助信息提高定位精度。在粒子滤波算法框架下,提出一种改进的地图辅助人员定位方法。该方法通过引入粒子的方向加权,充分利用地图信息;克服了传统方法中由地图信息错误导致定位失败的缺点,提高了定位算法的稳健性。通过传感器的实测数据对算法进行验证,新方法随时间变化可保持1m的定位精度,相对于传统方法有较大提高。