基于MEMS与Android智能手机融合的室内个人导航算法

针对微机电系统(micro-electro mechanical system,MEMS)惯性器件在导航解算中存在较大的累积误差问题,提出了一种基于MEMS惯性器件与Android智能手机融合的室内个人导航算法.导航算法在捷联惯性导航算法的基础上,根据人行走时的运动特点,引入了零速度检测与修正算法来检测人行走过程中的静止状态,并对行人静止时刻的速度和位置信息进行校正,以降低累积误差.导航解算中由于陀螺仪漂移导致获得的行人运动方向角误差较大,故采用MEMS陀螺仪输出姿态信息与Android智能手机中的电子罗盘方向角融合的行人运动方向校正算法来获取行人运动方向,并结合滑动均值滤波算法来进一步校正行人的运动方向,提高导航精度.最后通过实验结果验证了导航累积误差修正算法的可行性和有效性.

iOS平台下惯性室内定位系统设计与实现

针对缺少GPS及其他无线定位网络环境下的三维室内定位需求,提出了一种基于惯性测量的室内定位算法。该算法通过加速度计与陀螺仪的配合,获取设备运动的三维加速度,通过积分得到三维速度与位移。为提高定位成功率与准确性,引入了零速度修正方法,结合角速度模值、加速度模值及其方差进行静止状态检测,利用设计的扩展型卡尔曼滤波器对速度和位移进行修正。对使用该算法的惯性室内定位系统在iOS平台上进行了实现及有效性验证。

基于惯性传感器的行人室内定位算法

针对室内行人定位的运动特征和惯性器件MPU6050每次固定位置的水平差异所造成的定位精度降低的问题,提出了一种基于零偏置校正算法。利用惯性器件在行人静态时所测得的数据,将行人动态行走的数据减去静态时的均值数据,减小了水平位置误差。针对惯性器件本身的漂移误差在二重积分导航算法中因积累而导致定位不准确的问题,提出了一种基于改进零速度修正算法和频域积分算法。根据手机电子罗盘和惯性器件内置陀螺仪的优缺点,将其数据进行融合,由滑动均值滤波和角度补偿算法得到更准确的行人的航向角。将位移数据与方向数据进行结合得到行人运动轨迹,并进行仿真验证。实验结果表明:所提出的算法能够有效提高室内定位的精度。