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。

基于惯性传感的人员行进动作识别方法

人员行进动作的识别对于行人航位推算(PDR)的计算精度有至关重要的影响。将连续的行进过程依据零速率修正点(ZUPT)划分为单步动作后,准确的动作识别是PDR系统的难题之一。将惯性测量单元IMU固连在胫骨中间外侧位置,采集了大量人员行进过程胫骨运动的加速度和角速度,建立了用于行进动作识别的惯性传感数据库。通过对人员的平地行走、上楼梯和下楼梯的惯性传感数据的分析,建议了一种结合运动特性寻找行进过程中零速率修正ZUPT点的方法。在完成单步步态划分的基础上,提出了一种基于支持向量机(SVM)理论,并采用惯性传感数据作为特征的SVM行进动作分类器。经大量人员行进实验验证,所建议的动作识别方法对于区分行走、上楼梯和行走、下楼梯,精度分别达到96%和85%。

胫骨捷联惯性导航的人员行进距离估计

研究了惯性测量单元(IMU)固连在人员胫骨中间的行走步长计算方案,提出了捷联惯性导航算法中零速率修正(ZUPT)时刻导航参数的重置方法,准确得到了以初始方位角为未知数的三维位移函数表达式,避免二重积分对近似误差的扩散.通过分析人员行进特性并结合ZUPT时刻胫骨与路面垂直的关系,以每步中垂直地面方向的位移几乎为零作为约束条件,解算另外两个平行地面方向的位移,进而计算每一步的步长.该方法针对不同的人员和行走环境无需修改相关参数,有较好的适应性和通用性.经多人次行走实验验证,行进距离计算误差在8%以内的概率为91%.