航向误差非线性预测的惯性行人导航零速修正算法

针对基于零速修正(zero velocity update,ZUPT)的行人导航算法无法对航向角进行观测导致航向角发散的问题,设计了一种基于ZUPT、零角速率修正和航向角误差非线性预测校正的惯性行人导航算法。首先通过广义似然比检测(generalized likelihood ratio test,GLRT)算法确定出零速区间;在检测到的零速区间内利用ZUPT算法构造速度误差观测量、利用零角速率修正(zero angular rate update,ZARU)算法构造角速率误差观测量,通过零速区间航向角误差观测模块构造航向角误差观测量,在非零速区间对航向角误差进行非线性预测;再利用卡尔曼滤波对零速区间内的速度、角速率、位置和航向角误差进行估计,利用估计误差对惯性行人导航系统进行误差修正;通过实际行人导航系统验证,在复杂运动状态下导航轨迹误差平均值仅为0.43 m,只占总路程的0.35%。在长航时行走的情况下导航误差仅为1.25%里程。所提算法无需增设其他传感器,无需限制行人的运动轨迹,具有良好的工程应用价值。

基于改进容积卡尔曼滤波器的超宽带/惯性导航系统室内融合定位技术

在室内非视距环境中,单一超宽带(ultra wide band,UWB)技术会产生稳定性差和定位精度低的问题,以至于不能达到室内定位的要求。将UWB定位技术和惯性导航系统(inertial navigation system,INS)技术相结合,能够有效抑制非视距误差对定位结果的影响,因此本文提出基于改进的容积卡尔曼滤波器(cubature Kalman filter,CKF)的UWB/INS融合室内定位方法。首先,通过广义似然比检测算法对行人的静止态和运动态进行检测;之后对于静止态通过零速修正算法对速度进行修正,零积分航向角速率修正算法对航向角进行修正;然后,通过模糊综合评判的非视距识别算法对非视距信号进行识别,通过基于半定规划的非视距修正算法对识别出的信号进行修正;最后通过改进的容积卡尔曼滤波器将UWB定位数据和INS定位数据进行融合,得出组合定位结果。实验结果显示,与标准容积卡尔曼滤波算法相比,改进的容积卡尔曼滤波算法的定位结果均方根误差降低了2.32 cm(18.82%),拥有更好的定位精度和鲁棒性。