基于可穿戴式惯性测量单元的行人室内定位技术

通过将惯性测量单元系在脚背上,实时测量出人体在行走时的加速度和角速度信息;通过阈值判断和零速校正模型完成对行人步长、步频和方向的解算,绘制出行人的运动轨迹;在搭建的可穿戴式惯性测量单元轨迹监测实验平台中进行模型验证,并将解算绘制出的行人轨迹实验结果与行走时测量的轨迹进行比对。实验结果表明:该方法的准确率均达到在98%以上,实现了对行人在室内环境下的便携式、可穿戴式实时精确测量。

基于九轴传感器的行人室内定位方法

针对由步数、步长精度和航向角偏移带来的定位误差,提出一种基于九轴传感器的行人室内定位方法。利用一种改进的波峰检测法实现精准计步,利用传感器姿态的变化情况识别出原地踏步;在启发式随机漂移消除法(HDE)算法的基础上,提出一种基于主方向的航向修正方法对航向角进行修正;利用一种非线性步长估计模型对行走时的步长进行估算。实验结果表明,该方法切实有效地降低了步态检测的误差,优化了由陀螺漂移而产生的航向角发散问题,提高了用户在步长多样化时的估计精度。

基于惯性传感器的步数检测算法

行人轨迹推算(pedestrian dead reckoning,PDR)是一种无需参考基础设施的定位导航方法,由步数检测(step detection,SD)和步长估计(step length estimation,SLE)2个关键部分组成。在不同的步行模式中应用步数检测和步长估计是一个具有挑战性的问题。针对此问题,提出了一种基于使用智能手机的3种步行模式(即正常行走、原地踏步及快速行走)的鲁棒步数检测方法,通过基于动态时间扭曲(dynamic time warping)的结合峰值预测和过零检测方法来提高步数检测的精度。所提出的步数检测算法可以准确识别3种步行模式中每一步的起点和终点。针对不同的步行模式提出准确的步长估计模型,以提高步长估计的精度。实验结果表明,根据所提出的方法,步数检测的准确率约为97.8%,估计步行距离的误差约为4.0%,优于传统的步数检测和步长估计方法。

WiFi/PDR室内分层三维定位技术

针对目前行人使用智能终端进行室内定位精度不高且仅能提供二维平面位置坐标的问题,提出了一种融合无线保真定位和行人航迹推算的室内分层三维定位技术.在行人航迹推算定位中,通过检测俯仰角速度突变来区分行人水平行走和上下楼两种行为模式.在上下楼时利用有效跨步和建筑物楼梯信息得到行人高度变化量,构建统一两种不同行为模式的推算方程,实现了三维行人航迹推算.在无线保真与行人航迹推算融合的粒子滤波环节中,提出融合无线保真、行人航迹推算、建筑信息和行为模式的粒子滤波算法,将建筑信息和行为模式融入粒子的权值计算和采样之中,有效地提高了融合定位的精度.在多楼层的室内环境下进行试验验证,结果表明,水平定位平均误差为2.6m,高度估计平均误差为1.1m,满足个人智能用户终端对于位置服务的需求,并且高程参量使得用户能够感知到楼层信息.

基于PDR与蓝牙区段匹配的室内融合定位算法

针对行人航迹推算(Pedestrian Dead Reckoning)和蓝牙室内定位各自的特点及存在的问题,提出一种基于PDR和蓝牙区段模糊匹配的室内融合定位算法.根据用户与蓝牙信标距离匹配用户大概率所在区段,采用方向构建算法建立并反复纠正当前方向,依靠蓝牙不断修正PDR累积误差,最终使用防回退算法确定本次定位位置.实验表明,在地下环境中能够修正90%以上的定位误差到1.5m以下.利用PDR短期内高可靠性特点和蓝牙定位修正偏差,保证室内较高精度、较低时延的定位导航体验.