基于微气压传感器的室内行人高度估计方法

针对当前气压传感器解算高度存在误差随时间累积的问题,提出了一种基于微气压传感器的室内行人高度估计新方法。该方法结合微气压传感器的输出高度值,对多个相邻时间内的高度值进行合理性判断,并结合室内行人运动状态对高度变化进行约束,使得解算的高度符合室内行人运动规律。通过电脑采集MS5611微气压传感器数据进行仿真验证,结果表明:该方法能够有效地对高度误差进行修正,相较于微气压传感器直接解算的高度,该算法解算的高度更贴合实际情况,解算轨迹也更接近真实轨迹,轨迹的平均闭环误差从1.9%D下降至0.07%D。该算法有效地提高了室内行人高度估计的定位精度,在室内行人三维定位领域具有一定的工程应用价值。

基于自适应ZUPT与航向角误差修正的INS约束算法

为提高行人惯性导航系统(INS)的定位精度,提出了一种基于自适应零速修正算法(ZUPT)与航向角误差修正的INS约束算法。首先,利用基于广义似然比的零速检测阈值与检验统计量的特征值建立关系式,实现对零速检测阈值的自适应调整。然后,对INS解算位置建立线性回归模型,结合主航向与解算航向的航向差,根据行人运动类型构建观测向量和观测矩阵,对INS误差进行修正。最后,经实验验证,当行人在复杂路线变速运动时,相较于固定阈值的零速检测算法和主航向修正算法,所提算法的解算轨迹更接近真实轨迹,平均闭环误差从3.31%D减小至1.45%D,有效提高了INS定位精度,具有较好的工程应用价值。

基于改进关键帧筛选的多状态约束卡尔曼滤波

基于多状态约束卡尔曼滤波的融合算法仅利用单帧图像进行位姿估计,若初始化不正确,会导致视觉位姿估计发散严重;若将每个视觉特征点都包含进系统状态向量,则极易增加系统计算负担。针对上述问题,提出了一种改进的关键帧选择算法,利用多个视觉关键帧对相同特征点的约束来减小视觉测量误差,提高定位精度,同时只将关键帧解算出的相机位姿融入系统状态向量,有效地降低了系统计算量。实验表明,改进算法与EKF相比,其定位精度和计算效率分别提升了29.09%和32.2%。与Orb-slam2相比,改进算法的计算效率提升了35.48%。

基于WDO-LSSVM的MEMS陀螺仪零偏温度补偿

微机电系统(MEMS)陀螺仪的零位偏移是影响惯性导航定位精度的主要原因之一。针对MEMS陀螺仪零位随温度变化的非线性偏移问题,提出一种基于风驱动优化-最小二乘支持向量机(WDO-LSSVM)的MEMS陀螺仪零偏温度补偿模型。通过小波变换对MEMS陀螺仪三轴输出数据进行滤波预处理,结合最小二乘支持向量机(LSSVM)和风驱动优化(WDO)算法,构建MEMS陀螺仪的零偏温度补偿模型。实验结果表明:与传统的反向传播神经网络(BP)模型、粒子群优化-最小二乘支持向量机(PSO-LSSVM)模型相比,所提模型的陀螺仪零偏均方根误差和平均绝对误差均减小了约50%,实现了具有良好普适性的MEMS陀螺仪零偏温度补偿,进而可以提高惯性导航系统的定位精度。

基于自适应峰值检测的PDR算法研究

针对传统的行人航迹推算(PDR)算法只能用于正常行走的单一状态,难以满足实际应用需求,提出了一种基于自适应峰值检测的改进PDR算法。该算法将行人运动模式分为行走和跑步两种状态,充分考虑行人运动过程中加速度峰值和运动状态的关系,通过实验获得不同运动状态下的加速度峰值,从而设置动态阈值,实现不同状态下的计步检测和步长估计。将改进的PDR算法应用于行人定位,利用微惯性测量单元(IMU)获取的行人的运动数据,使用改进的峰值检测法对行人进行计步检测和状态识别,根据行人的运动状态采用自适应步长估计公式对步长进行估计,最后结合计算的航向得到行人的位置信息。实验结果表明,改进PDR算法具有良好的鲁棒性和较高的步态识别率,相比于传统的PDR算法,闭环误差降低了1.42%,有效提高了行人定位结果的精度。

基于鲁棒增强的因子图多源信息融合算法

为了解决组合导航系统中各传感器因受环境影响而产生观测值异常的问题,提出了一种基于鲁棒增强的因子图多源信息融合算法。首先,将组合导航解释为具有拓扑结构的因子图;其次,通过推理组合导航系统的因子图模型,对惯性导航系统(INS)、全球定位系统(GPS)和磁力计(Mag)进行信息融合,计算出导航状态的最优估计值;然后,在此基础上设计动态权重函数,合理动态地调整各因子的权重;最后,利用仿真试验将传统因子图算法和改进的因子图算法进行对比,结果表明:东、北轴向位置的误差分别为0.38、0.62 m,相比传统因子图算法,该算法位置精度提升近70%,拥有更好的导航性能和鲁棒性。

基于相位相关法改进的ORB图像匹配算法

为了提高图像平移后ORB特征点匹配的准确率,提出了一种基于相位相关法改进的ORB图像匹配算法。该算法首先采用相位相关法求取左右两幅图像间的像素偏移量,以确定图像的重合部分;其次,提取图像FAST特征点并计算BRIEF描述子;接着,对要匹配的点增加窗口约束,以缩小匹配范围;然后,采用快速近似最近邻(FLANN)特征点匹配算法完成图像重合部分特征点的匹配;最后,将匹配错误的特征点采用随机采样一致性(RANSAC)算法进行删除。经实验验证,该算法将ORB特征点匹配的精确度有效的地89.7%提升至93.1%。

基于UWB/PDR的航向发散自适应修正算法研究

为解决航位推算(PDR)算法累积误差过大并且长航时航向发散的问题,提出了一种基于UWB/PDR自适应扩展卡尔曼滤波(EKF)融合算法。该算法通过UWB定位值和PDR实时解算位置得到自适应校准因子,通过在常规的EKF算法的基础上增加自适应校准因子动态调整UWB观测值的权重来校准位置误差。并用UWB的实时测距对PDR的航向发散进行周期性修正。实验结果表明,自适应EKF融合算法相较于纯PDR航向发散误差降低了63.9%,相较于标准EKF融合算法发散误差降低了31.1%,同时定位百米误差降至0.33 m。

基于最小均方和扩展卡尔曼滤波的IMU降噪方法

针对车体振动影响微机电系统惯性测量单元(MEMS IMU)航向精度问题,提出了一种能有效抑制振动噪声从而提升航向精度与稳定性的方法。首先,采用最小均方法对数据进行前端预处理,以提升信噪比;然后,利用加速度计与陀螺仪的互补特性滤除陀螺仪的零偏噪声;最后,采用扩展卡尔曼滤波进一步滤波。总计4 h的现场实验结果表明:IMU受载体振动影响较小,航向的精度与稳定性得到提升;其中,在大角度机械运动后的相对航向误差为3.08°,静止时的航向方差为2.44×10-5。

适用于放射性同位素电池的DC-DC升压与储能方法

与传统的电池相比,放射性同位素电池具有稳定性好、超长工作寿命等优点,但对比传统电池的输出电压,放射性同位素电池的输出电压依旧过低,针对放射性同位素电池的低电压输出,需设计一种适用于这种低压能量的DC-DC升压储能装置。首先对放射性同位素电池进行输出特性分析,使用高精度电源仪器进行仿真输出;其次设计一套基于BQ25570芯片的DC-DC升压电路,将100mV电压提升至3.25V后并进行储能,收集到的能量为微处理器、传感器供能;最后通过无线通信设备把数据传输到上位机显示。

基于新息突变约束的自适应卡尔曼滤波研究

针对微机电系统(MEMS)陀螺仪易受影响且随机误差较大,导致建立模型不准确和测量精度低的问题,该文提出了一种改进的自适应卡尔曼滤波方法。首先建立ARMA模型,在传统卡尔曼算法中引入衰减系数以减小系统旧值的影响,同时引入基于系统新息突变的预测误差矩阵清除系统的突变值。使用Allan方差对原始陀螺仪数据和滤波后的陀螺仪数据进行分析对比。结果表明,实验所用陀螺仪的角度随机游走、零偏不稳定性和角速率随机游走至少小了1个数量级,标准差明显减小,这表明改进算法有效抑制了随机噪声,提高了MEMS的性能。

基于大动态环境下的高阶迭代姿态优化算法

针对MEMS惯性导航系统大动态坏境下不可交换误差问题,提出了一种改进的高阶迭代姿态优化算法。为解决大动态环境下不可交换误差对整个惯性导航系统带来的影响,推导了传统等效旋转矢量算法,针对此算法仅依靠提高子样数来提高解算精度,忽略了高阶项在大动态环境下会产生较大误差的问题。设计了快慢回路的方法,分别求得不同阶次的旋转矢量解,再通过周期性迭代算法得到快慢回路的迭代解。最后通过大动态环境仿真实验以及高精度三轴转台摇摆动态实验,验证了高阶迭代算法的性能优势。实验结果表明,大动态环境下,相较于传统算法,改进的高阶迭代姿态优化算法精度提高了两个数量级。