论文部分内容阅读
随着移动互联网快速的崛起,定位与导航技术被应用在诸多领域。在室外空旷的环境下,利用卫星信号的全球定位系统(Global Positioning System,GPS)可以较好地获得用户位置信息,然而在室内环境下,卫星信号受到阻隔很难获得准确的位置信息。目前,惯性导航系统(Inertial Navigation System,INS)依靠惯性测量单元(Inertial Measurement Unit,IMU)已成为主要的自主导航系统,但是高精度的IMU体积大且价格昂贵,很难推广使用。近些年,智能移动设备已经在人们生活中普及,且大部分都含有IMU等传感器。因此,本文利用智能移动设备的低成本传感器,提出了一种基于多传感器的室内行人航位推算方法,并且针对低成本传感器的问题,设计了相对应的误差修正模型,主要分为以下三个部分:1、初始对准:初始对准可以使INS所描述的坐标系与导航坐标系相重合,同时让计算机在正式工作的时候有正确的初始值。由于基于智能移动设备的IMU更易受到设备中其他元件的干扰。所以,本文研究在初始对准的精对准阶段引入无迹卡尔曼滤波,并且融合多传感器的数据,对多传感器误差进行修正,从而获取精确的初始信息。2、运动状态检测模型:行人运动时通过IMU获取正确的运动状态信息对于行人航位推算方法解算高精度位置、速度和姿态信息至关重要。当行人步伐状态差别较大时,仅依靠加速度计很难获取正确的行人步态信息。本文研究在智能移动设备多传感器硬件平台的基础上,利用加速度计、陀螺仪获取的运动数据,设定四种阈值条件进行步伐状态检测。3、多传感器行人航位推算方法:在初始对准、运动状态检测模型的基础上,对于多传感器工作时夹杂噪声和解算时误差累积的问题,提出一种基于无迹卡尔曼滤波的零速度更新、零角速率更新和磁力计融合的方法,有效地对航向角以及速度误差进行修正。经过多次实验以及数据分析,利用本文提出的方法得到的平均位置偏差占总路程的1.57%,可较好的满足室内定位需要。