一种基于MEMS惯性器件的室内环境精确实时定位方法

摘要

一种基于MEMS惯性器件的室内环境精确实时定位方法，是一种采用MEMS惯性器件通过建立回归模型估算步长获取人员精确定位信息的室内惯性定位算法。本发明在航向角的确定中，利用梯度下降算法补偿姿态误差，增加了行人航向的精度，减小了计算量；本发明还提出利用“三条件判断法”与合加速度融合来判断行人步态的变化，从而提高算法的适应性。该发明不受外界环境干扰，成本低，简单实用，精度高，可应用于室内、隧道、矿井下等特殊场所。

主权项

一种基于MEMS惯性器件的室内环境精确实时定位方法，其特征在于：具体步骤如下：步骤A、计算相对位移量，利用公式S＝L*N，其中，L为步长，N为步数，具体步骤如下：步骤A1、步长L用行走频率WF和加速度方差AV相关的线性方程表示：其中，α、β和γ是步长计算的相关参数，可通过实验训练获得；实验采集行人不同步态下的相关数据，描点划线最后得到一条拟合曲线，即是所需线性方程；步骤A2、加速度的波动可以从一定程度上表征步数N的变化，通过加速度的输出值可检测出行走的步数；航向角可以通过角速度积分获取；步骤B、判断行人步态的变化：同一个线性回归模型并不适用于不同的行走模式，将会带来较大的定位误差，因此在计算步长的同时，应当判断行人的行走模式，识别不同人的步态变化；实验数据表明，静止、行走、跑步三种行走模式下，合加速度方差的数值差异较为明显；通过设定加速度方差的阈值可用来判断行人的行走模式；此外，“零速度检测”阶段可采用基于合加速度、合加速度方差和角速度值的多条件判断方法，精度较高；步骤C、梯度下降算法实现姿态融合，提高航向精确度：包括如下具体步骤：步骤C1、利用加速度计表示四元数误差矩阵：$f_g(\hat{q},\hat{a})=\left[\begin{array}{c}2(q_1{q}_3-q_0{q}_2)-a_x\\ 2(q_0{q}_1+q_2{q}_3)-a_y\\ 2(\frac{1}{2}-q_1^2-q_2^2)-a_z\end{array}\right]$步骤C2、对四元数误差矩阵求导，获得雅克比矩阵根据公式$▿f_g(\hat{q},\hat{a})=J_g^T\left(\hat{q}\right)*f_g(\hat{q},\hat{a})$得梯度；步骤C3、求出经过梯度下降法计算的目标姿态：其中，μ_t代表步长，其和实际物体运动的角速度和采样时间相关，在低速运动下，应满足下式其中，α为动态变量，β为四元数微分方程求解的姿态算法的收敛速度；由此的最终的姿态融合公式为：以上为陀螺仪和加速度计的梯度下降法姿态融合算法；同理也可得陀螺仪和地磁计的姿态融合公式。