惯性行人导航零速区间检测的非线性空间K-means聚类算法

惯性行人导航系统中,零速区间检测的准确性直接关系着基于零速修正(ZUPT)的行人导航精度。为此,设计了一种基于非线性空间映射与K-means聚类算法结合的零速区间检测算法。通过经典零速区间检测算法广义似然比检测(GLRT)确定初始零速区间;选取零速区间与非零速区间交界处的加速度数据,将合加速度幅值作为变量,映射到设计的非线性空间中,放大数据差异;利用K-means聚类算法对映射后的数据进行聚类,经过去噪声处理后确定出更精准的零速区间;通过惯性行人导航系统实验验证非线性空间K-means聚类零速区间检测算法的有效性。实验表明,所提出的惯性行人导航零速区间检测的非线性空间K-means聚类算法相比于GLRT算法和基于K-means聚类的零速区间检测算法,定位精度显著提高,并在匀速行走、变速行走和长距离长航时行走3种运动模式下进行了实验验证;相比基于K-means聚类的零速区间检测算法,减小了计算量。所提算法能够自适应不同的运动状态,无需随时调整阈值,且理论上可以优化任意传统零速区间检测算法,具有良好的工程应用价值。

多条件约束的行人导航零速区间检测算法

针对MEMS惯性传感器存在漂移大、器件精度低的问题,结合行人导航系统应用需求,在分析行人运动步态的基础上,设计了一种多条件约束的行人步态零速区间检测算法。该方法综合利用足部传感器输出参量的模值、方差、幅值、峰值并通过设定阈值来提取步态中的零速点,多条件约束有效地降低了误判的可能性。最后,采用该方法对不同步速下行走过程中的零速区间进行检测,结果表明利用多条件约束法计算得到的零速区间数与实际运动步态中的零速区间数完全一致。此外,零速区间的准确提取也为后续开展行人导航速度解算误差修正算法的研究提供了依据。

基于foot-mounted IMU零速区间的行人步态检测算法

基于足部MEMS-IMU的捷联惯性导航技术,高精度步态检测是导航修正的关键。利用MEMS-IMU多种特征值,提出了行走和跑步的两种步态检测算法。在行走状态下,采用加速度、角速度,足部着地和跨步时间的多条件约束实现零速区间检测。在跑步状态时,针对现在跑步步态检测研究的空缺,提出了通过步伐探测和跨步探测的方法,并结合多条件约束,实现零速区间检测。实验结果表明:行走和跑步状态的步态检测正确率达99%以上,实现了高精度步态检测与计步。

车载GNSS/SINS组合导航中零速区间探测方法的改进

零速修正技术是克服捷联惯导(SINS)定位定姿误差发散最为实用的一种约束方法,该技术包含零速区间探测和零速更新两个部分,其中,零速区间探测是零速更新的基础。基于实测数据,对广泛应用于行人微机电系统(MEMS)组合导航中的4种零速区间探测方法在车载全球卫星导航系统/捷联惯导(GNSS/SINS)高精度组合导航中的实际探测性能进行了分析,获得了一些有益的结论。在此基础上,提出使用低通滤波器预先消除陀螺和加速度计数据中的高频噪声,进而提升角速度能量探测器零速区间探测效果的改进方法,并给出了不同窗口的最佳阈值范围。

一种用于足绑式行人惯性导航的区间搜索零速检测器

针对在足绑式惯性行人导航系统中,传统阈值法零速检测器自适应差的问题,设计了一种区间搜索零速检测器,基于足部运动中的惯性数据特征自适应地搜索到最优的零速区间。以足部运动的一个步态周期作为零速区间搜索的基本单元,然后在基本单元中对加速度信息进行处理,将原始数据通过非线性函数映射到搜索空间中对数据差异化放大,最后利用在搜索空间数据收敛性确定最优零速区间。实验表明,在正常行走情况下,区间搜索零速检测器不需要参数调节,检测结果与具有最优阈值的SHOE方法匹配度约97.54%,定位精度在3 m/18 min以内。与改进的自适应零速检测器Adaptive-SHOE相比,性能相当,零速检测结果匹配度约98.51%。但是在多种运动混合情况下,Adaptive-SHOE失效,区间搜索零速检测正常工作。区间搜索法的结果与具有最优阈值的SHOE方法匹配度约89.12%,但是精度优于SHOE。区间搜索零速检测器具有较好的工程应用价值。

足绑式PNS自适应滑动平均零速区间检测方法

针对足绑式个人导航系统(PNS)中,传统的滑动平均算法对零速区间检测的延迟问题,设计了一种基于自适应滑动平均算法,对零速区间进行检测。首先对比力模值和角速率模值进行滑动平均,根据平均后数据的变化趋势,通过比较样本方差,设置一个自适应的滑动时间窗口来判断行人是否静止。该方法既能避免由于平滑算法带来的延时问题,又能够消除抖动干扰造成的误检,从而得到准确的零速区间。行走实验验证了本文方法的有效性,自适应滑动平均算法的导航精度提高了50%。

基于伪标准差和N-P准则的行人导航零速检测

针对行人导航零速检测存在误判、漏判且判别阈值难以随行走速度及不同行人在线调整的问题,提出了一种基于伪标准差和N-P(Neyman-Pearson)准则的检测方法。首先通过分析行走过程中陀螺仪模值的特性,构造了一个融合了两个特征量的伪标准差,提高了零速区间与非零速区间的区分度,降低了误判和漏判的概率。然后通过行走实验数据分别得到了零速区间和非零速区间的伪标准差概率密度曲线,将零速检测转化为一个二分类问题,利用N-P准则推导得到这个二分类问题的判别规则和判别阈值。最后经过不同行人、不同速度的行走实验,验证了该方法准确有效,并能适应多种步速,平均检测精度达到了99.67%,与传统的三条件、四条件检测法相比,降低了零速检测算法的复杂性、提高了检测精度,而且增强了算法在不同行走速度和不同行人间的适应性。

基于多步态零速检测的MEMS IMU室内定位技术

通过研究基于低成本MEMS/IMU的室内定位方法,针对传统单一阈值零速区间检测算法存在的不足,提出了一种适应于多步态的零速区间检测算法。低成本MEMS IMU固联在脚上,先根据传感器测量到的信息判断行人属于哪种运动状态,进而在相应状态的阈值条件下采用比力、比力方差、角速度三者相结合的方法进行零速区间检测,同时设计卡尔曼滤波器在静止时间段估计出系统的姿态误差、速度位置误差,并通过反馈校正对系统进行误差补偿。最后采用低成本MEMS IMU进行实验验证,结果表明定位精度可以保持在总行程的3%左右。

一种光电稳定平台摩擦力新型补偿方法

为了进一步补偿摩擦力改善光电平台稳定精度,在经典控制方法的基础上提出一种基于摩擦模型的新型补偿方案。首先,分析传统方法抑制摩擦力的过程,提出在低速时用编码器及陀螺融合估计速度的方法改进Karnopp摩擦模型,提升零速附近的补偿能力,其次,引入扩张观测器观测并补偿系统模型与补偿模型之间的误差,以解决实际工作中系统摩擦特性随环境等因素发生漂移变化造成补偿效果下降的问题,提升补偿方法的鲁棒性。最后,为了验证该方法的有效性,在三轴摇摆台上进行速度稳定实验及稳定精度测试实验。研究结果表明:基于摩擦模型的新型补偿方法提升了零速度附近的补偿能力,速度稳定度提高了67%,隔离度提高了58%,且在摩擦模型参数摄动10%时,仍能维持较好的隔离度,表现出较强的鲁棒性。本文方法中改进型Karnopp模型与线性扩张观测器调试辨识参数少,易于工程应用,对光电平台摩擦力补偿改善稳定精度有较高实用价值。

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。

基于微惯性传感器的行人室内定位方法

为满足人们对室内定位的需求,设计了一种利用微机电系统(Micro Electro Mechanical System,MEMS)与惯性导航系统相结合的微惯性传感器(MEMS-IMU)用于行人室内导航定位.为进一步提高所设计的微惯性传感器(MEMS-IMU)的定位精度,提出了一种基于微惯性传感器(MEMS-IMU)的行人室内定位方法,该方法首先通过滑动窗口加速度方差算法采集零速区间,然后利用基于卡尔曼滤波的零速修正算法对零速区间进行修正.此外,通过实验对所提出的行人室内定位方法的可行性和精确性进行了验证.实验结果表明:所设计的MEMS-IMU具有较好的定位精度;通过滑动窗口加速度方差算法可以准确提取零速区间;经过基于卡尔曼滤波的零速修正算法修正后,所设计的微惯性传感器的定位精度明显提升;按照本研究提出的行人室内定位方法进行行人室内导航定位时,行人在室内行走100 m所产生的最终平面误差小于0.5 m,说明本研究提出的行人室内定位方法具有较好的可行性和精确性.