论文部分内容阅读
基于位置的服务已成为信息领域中一个应用研究的热点。卫星定位技术已经可以提供成熟的室外定位服务，但是其在室内环境则会完全失效。而室内定位又有着巨大的应用需求，比如国防应用、应急救援、人员看护和虚拟现实等。因此亟需研究在苛刻的室内环境下可靠、高效的步行者定位技术。 步行者室内定位系统的研究包括很多方面的内容，涉及传感器技术、网络通信、数据融合和人机交互等。本文基于9DoF传感器（三轴加速度计、三轴陀螺仪和三轴磁力计），针对室内定位的应用需求，采用脚绑定传感器的穿戴模式，围绕步行者自完备室内定位系统的数据融合问题开展了下列研究内容。 (1)采用贝叶斯网络推测的零速度估计与步行者惯性导航算法 针对EKF/PINS算法关键的零速度检测问题，提出了贝叶斯网络模型进行零速度区间推测算法，其基于陀螺仪与加速度计采集的数据，结合人体运动学原理对零速度时刻进行贝叶斯推测。算法有效解决了零速度误判点和零速度区间边缘模糊问题，提高了零速度的检出效率和精确度。然后基于检测出的零速度结果，利用ZUPT/ZARU辅助的EKF进行误差状态以实现对惯性导航步行者定位算法的误差补偿。此算法在高速运动情况下，比传统方法可以降低零速度误判点80％。 (2)步行者自完备定位系统的航向角估计融合算法 针对PINS算法航向角估计精度问题，研究了基于IMU与磁力计的航向角估计融合算法。首先基于室内环境结构特征与步行者直线行走习惯的假设，利用HDE算法实现对陀螺仪数据的反馈滤波。然后研究了室内环境磁场干扰多级探测算法。最后在探测到无干扰情况下，对IMU和磁力计计算的航向角进行互补滤波处理，进一步提高了步行者平面行走的航向角估计精度。 (3)基于轻量级地图配准的辅助校准定位算法 针对PINS定位系统的累计误差无法消除的问题，采用了双层滤波架构，研究了利用轻量级地图辅助校准PINS输出的位置信息的方法。本文在传统的地图配准算法基础上，提出了一种多尺度粒子滤波算法。为了更加高效地应用地图特征信息，进一步提出了利用地图绝对位置信息对PINS进行修正的算法。此算法利用贝叶斯推测方法，对步行者经过平面楼层中的水平穿越点（门）时的运动特征进行判断，一旦判断成功，则直接对PINS进行初始化更新，这样就实现了直接消除累计误差的目的。 (4)自适应EKF的双层反馈滤波定位算法框架 在利用轻量级地图修正定位信息算法的基础上，本文提出了自适应EKF在步行者自完备系统中的应用方法。此方法将地图修正后的航向角与下层滤波估算的航向角进行比较，将结果反馈回EKF以对测量噪声协方差矩阵R进行自适应调整，从而提高PINS算法的精度与有效计算时间。此算法可以将步行者百米定位的平均误差限制到0.8m。 本文从步行者定位实际需求出发，开展了人员室内定位算法实用性方面的研究，并探索提出了步行者自完备室内定位系统架构，可为后续相关研究提供一定的参考。