利用步行惯性导航的室内定位融合算法分析研究.docVIP

利用步行惯性导航的室内定位融合算法研究-电气论文 利用步行惯性导航的室内定位融合算法研究 柏思琪1，梁文海1，2，秦爽1，2 （1.四川师范大学物理与电子工程学院，四川成都610100；2.无线传感器网络四川省高校重点实验室，四川成都610101） 摘要：步行惯性导航是一种用于无基础设施室内定位中的新技术，但累积误差效应限制了它的使用范围，为解决此问题，提出一种把步行惯性导航与无线测距定位相融合的定位算法，结合前者轨迹连续和后者无累积误差的优点。仿真结果表明，该融合算法在定位的稳定性和精确性方面都表现出良好的性能，验证了该方案的合理性、有效性。 关键词 ：室内定位；惯性导航；零速度更新；卡尔曼滤波；融合算法 中图分类号：TN96?34；TP274 文献标识码：A 文章编号：1004?373X（2015）15?0001?04 收稿日期：2015?02?06 基金项目：四川省教育厅重点项目（12ZA133） 0 引言 室内定位系统应用前景广泛，越来越受到研究学者的重视。考虑精度、成本、功耗、尺寸及复杂性等各方面条件，目前还没有一种普适的室内外无缝定位系统。根据是否需要基础设施，室内定位系统分为有基础设施的定位系统和无基础设施的定位系统[1]。前者在搜救、反恐等场合几乎不适用，后者适用范围较为灵活。全球定位系统（Global Positioning System，GPS）可用在无基础设施定位系统中，在大多数室外环境都可以实现较高精度的定位，但在恶劣的室外环境及室内环境下，需要其他定位系统协同完成定位，如惯性导航[2]。步行惯性导航模块非常适合用于无基础设施室内定位，其优点是体积小、成本低、功耗低，但最大的缺点是有累积误差，其累积误差随位移非线性增长，“零速度”更新（Zero Veloc?ity Update，ZUPT）卡尔曼滤波算法[3] 能将累积误差限制在线性增长范围内，在此基础上，还可利用陀螺仪、电子罗盘、磁力计的测量值协助卡尔曼滤波算法消除惯性导航方向上的累积误差[4]。这些方法都能在一定程度上提高步行惯性导航的准确性，但对较长时间行走还需要其他消除累积误差的方法。例如，另一类有效方法是将惯性导航与其他无累积误差的定位算法相融合。文献[5]介绍了一种将指纹定位与惯性导航相结合的经验算法，对精度的提高有一定效果，但指纹定位算法对数据库的建立和维护要求较高，不适用于无基础设施定位。针对上述问题，本文提出一种卡尔曼滤波算法，融合了步行惯性导航和基于测距定位信息，该算法计算复杂度低、速度快、融合效果好。仿真结果表明，该算法的定位轨迹平滑、误差小且无累积误差，对无基础设施室内定位系统实现具有很好的参考意义和应用价值。 1 步行惯性导航 智能手机通常内置了惯性测量装置（Inertial Mea?surement Unit，IMU），包括加速度传感器和陀螺仪传感器等，市场上也很容易购置到IMU模块。理论上，目标的移动距离可通过IMU采集到的加速度通过两次积分得到，但对于消费级IMU模块，仅考虑牛顿运动方程时，人行走的位置误差的标准差正比于时间的三次方，仅仅几秒时间的行走就会导致几米的误差。人在行走时总会有停止状态，理论上停止状态的速度应该为零，但实际上依靠IMU几乎无法测到速度为零的情况。ZUPT惯性导航算法的基本思想是采用一些经验检测方法检测停止状态[6?7]，将该状态的速度人为置零，这种方法在减小惯性导航累积误差上取得了很好的效果，例如，瑞典KTH大学设计的开源惯性导航系统OpenShoe[8]基于安装于人脚踝的ADIS16367 IMU（包括加速度和陀螺仪）和Atmel AVR32UC3C微控器，能很好地实现零速度检测。 OpenShoe方案把人为置零时速度的误差作为卡尔曼滤波的测量值mk，称为伪测量值，用vk 表示k 时刻的速度，则mk = 0 - vk，而不是直接用速度作为测量值，采用伪测量值的原因是IMU 并不能真正测量到零速度。系统在“零速度”时刻用卡尔曼滤波跟踪方向矩阵C? nb,k以及各状态向量：位置的误差δrk，速度的误差δvk，导航坐标系下姿态的误差δφk，加速度传感器的测量误差δak 和陀螺仪传感器的测量误差δωk，每个状态量均由三个坐标轴上的分量构成。完整的状态向量为δxk = [δrk ,δvk ,δφk ,δak ,δωk]T 。用每次滤波的输出状态δrk，δvk，δφk 更新导航状态位置rk，速度vk 和姿态φk，用输出状态δak 和δωk 更新加速度和角速度的测量值ak 和ωk。算法处理后的位置误差的标准差与行走距离基本是线性的，但依然存在累积误差。因此，本文目