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AHDE和手机陀螺仪的行人航向修正方法

基于手机陀螺仪的航向推算误差是影响行人航位推算定位的重要误差源之一。为了修正陀螺仪引起的航向漂移、抖动等误差,借助高级启发式漂移消除法(AHDE)在航向修正上的特点,将基于足绑式IMU的AHDE算法改进并应用于智能手机的行人航向推算中。首先利用互补滤波算法初步估算航向,通过时域内航向及其变化幅度判断行人是否直行或者沿主导方向直行,并将其与行人航向的差值作为输入量推算可靠的行人航向,从而简化原AHDE算法并降低修正延迟;同时,针对直线路径下航向抖动过大引起的误判和偏差,利用航向平滑模型改正。另外,为进一步适应室内的复杂路线,通过分析行人停顿时加速度数据变化特点,提出了停顿点的识别方法;通过对比手机不同姿态下传感器数据的特点,建立动态转换矩阵,将贴耳打电话时的手机传感器数据转换至平放状态,进而采用上述算法推算行人航向。综合实验表明所提出的方法相较于互补滤波算法在相对闭合差上精度平均提升60%以上。

基于互补滤波器的HDE算法在室内行人航迹定位中的研究

针对现有的启发式偏移消除算法HDE(Heuristic Drift Elimination)在室内建筑不规则方向路径,存在陀螺仪漂移矫正暂停、航位角推算不准确的问题,提出互补滤波器辅助的航向启发式漂移消除的算法AHDE(Advanced Heuristic Drift Elimination).首先利用经反馈系统得到之前航向判断行人行走状态,通过AHDE算法进行航向矫正,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,在室内典型直线路线行走80 m时,HDE与AHDE算法平均误差相同,误差不超过2 m;在室内环形路径行走31.4 m时,AHDE算法平均误差在3.4 m以内,而HDE算法平均误差为5.6 m左右.相比之下,AHDE算法在室内航迹推算时,具备更好的稳定性、鲁棒性.

基于准静止磁场检测的行人导航算法框架iIEZ+

在行人惯性导航领域,地磁修正算法作为一种有效的修正航向漂移误差的方法,应用在磁干扰环境中时,存在航向失真的问题,而航向精度往往决定了整个导航系统的优劣。为此,在Afzal提出的准静止磁场检测算法的基础上,提出了行人导航算法框架iIEZ+,即以Jiménez A R提出的IEZ+框架为基础,融入了改进后的准静止磁场检测算法,对地磁修正算法和启发式航向漂移消除算法的使用做出选择,实现了两种算法间的优势互补。实验表明,本文提出的算法框架可以有效抵御磁干扰的影响,提供可靠的航向和位置信息。经过多次室内外行走实验,定位误差约为路程的0.6%~1.6%,优于文中提到的其他基于IEZ框架的算法。