基于三條件零速檢測的行人定位導(dǎo)航系統(tǒng)設(shè)計

楊夢瑤 種陽 汪宇晴 張卓凡

摘要：為了跟蹤定位徒步行走人員的實時位置，設(shè)計了一種基于三條件零速檢測的行人定位導(dǎo)航系統(tǒng)。首先采集腳面的9軸數(shù)據(jù)：三軸加速度、角速度、磁強，然后利用卡爾曼濾波算法進行濾波處理，對處理后的數(shù)據(jù)用三條件判斷的零速檢測算法判斷運動狀態(tài)零速時刻，運用行人航跡推算算法進行定位解算。經(jīng)過實驗驗證：該方法準確度達到94.5%，滿足行人的導(dǎo)航定位的要求，并提高了導(dǎo)航定位的實時性與準確性。

關(guān)鍵詞：導(dǎo)航;行人定位;行人航跡推算;零速檢測;卡爾曼濾波

中圖分類號：TP212.1? ? ?文獻標識碼：A

文章編號：1009-3044（2019）26-0105-03

開放科學(xué)（資源服務(wù)）標識碼（OSID）：

Abstract： In order to track and locate the real-time position of hikers， the paper designed a pedestrian positioning and navigation system based on three-condition zero-velocity detection. Firstly， sampling the 9-axis data of users foot， including tri-axial acceleration， angular velocity and magnetic intensity. Then， using the Kalman filter algorithm to filter ，using the zero-speed detection algorithm based on three-condition to judge the zero velocity moment. Last， using pedestrian-dead-reckoning to position the location. The experimental results show that the accuracy of the methods reaches 94.5%， which meets the requirements of pedestrian navigation and positioning， and improves the real-time and accuracy of navigation and positioning.

Key words： navigation; pedestrian position; pedestrian-dead-reckoning; zero velocity detection; kalman filtering

1 引言

捷聯(lián)慣導(dǎo)系統(tǒng)是一種完全自主導(dǎo)航系統(tǒng)[1]，具有短時高精度和高穩(wěn)定性等特點，在軍事及民用方面都有較廣泛的應(yīng)用前景[2]。在我國，對行人導(dǎo)航的研究起步較晚，目前市面上大多數(shù)個人導(dǎo)航系統(tǒng)主要依靠GPS定位[3]。在郁閉度較高的空間環(huán)境下，衛(wèi)星信號無法正常接收，常規(guī)的GPS衛(wèi)星定位系統(tǒng)不能正常工作[4]，WIFI等無線網(wǎng)絡(luò)導(dǎo)航方式精度較高，但需要預(yù)設(shè)傳感器節(jié)點，并標定信號強度與地理位置的關(guān)系，成本高且不適于廣闊的場地[5]。慣性導(dǎo)航具有不怕干擾、隱蔽性好、完全自主等優(yōu)點[6]，該定位方式應(yīng)用逐漸廣泛。行人航跡推算算法的定位精度取決于初始位置和姿態(tài)信息的精確性以及推算過程中速度的航向信息求解，包括航向、步頻和步長的估計。目前，常用的零速檢測算法是基于對傳感器輸出的加速度和角速度的模值、方差以及幅值的單一值與已設(shè)定的閾值進行比較，提取出步態(tài)中的零速點。但這類算法易誤判零速區(qū)間導(dǎo)致丟失零速點，導(dǎo)致行人的速度、位置誤差增加[7]。卡爾曼濾波算法在數(shù)據(jù)濾波和參數(shù)評估方面效果顯著[8]。原始數(shù)據(jù)波形圖中存在噪聲干擾，可通過卡爾曼濾波算法對其進行去除。

本文采用一種基于三條件零速檢測[8]的行人定位導(dǎo)航系統(tǒng)。利用卡爾曼濾波算法進行濾波處理，利用三條件判斷的零速檢測算法確定零速區(qū)間，使用行人航跡推算（PDR）算法解算行人的位置與姿態(tài)信息。提高了定位導(dǎo)航的實時性與準確性。

2 系統(tǒng)結(jié)構(gòu)

本系統(tǒng)基于零速檢測，通過程序設(shè)計和誤差補償裝置來實現(xiàn)較為準確的定位導(dǎo)航，并通過無線技術(shù)實現(xiàn)實時監(jiān)測。結(jié)構(gòu)流程如圖1所示。

2 系統(tǒng)設(shè)計

2.1 卡爾曼濾波算法的設(shè)計

根據(jù)設(shè)計內(nèi)容建立系統(tǒng)狀態(tài)方程：

其中，系統(tǒng)在[k]時刻的狀態(tài)為[Xk∈Rn]，對應(yīng)狀態(tài)的觀測信號為[Yk∈Rm]，[A]為系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣，[Γ]為噪聲驅(qū)動矩陣，[w]為過程噪聲序列，[B]為觀測矩陣，[vk]為量測噪聲。進而根據(jù)狀態(tài)一步預(yù)測方程、狀態(tài)估值計算方程、濾波增益計算方程、一步預(yù)測協(xié)方差方程和估計協(xié)方差方程，建立卡爾曼濾波器。

卡爾曼濾波器可以衰減數(shù)據(jù)中白噪聲干擾，優(yōu)化原始數(shù)據(jù)，從而提高導(dǎo)航定位精度。

本設(shè)計中

2.2 零速檢測算法的設(shè)計

零速檢測法常用的方法為：加速度幅值檢測法、加速度方差檢測法和角速度幅值檢測法。使用其中任何一種方法得到的零速區(qū)間判斷準確度都較差，故本文使用三條件法對零速點進行檢測（本方法中，以“1”表示處于靜止狀態(tài)，以“0”表示處于運動狀態(tài)）。

通過公式（3）對運動狀態(tài)進行判斷：

式中[thamin]和[thamax]是給定的加速度閾值的上下限， [abk]表示三軸加速度的模值，[σ2abk]表示合成加速度的方差，[thσ2max]為給定方差閾值的上限值，? [ωbk]表示三相角速度的模值，[thωmax]是給定閾值的上限值。

以上三個條件進行“與”邏輯運算，即當(dāng)邏輯運算結(jié)果為“1”時，才能判斷此時運動狀態(tài)為靜止。

3 實驗驗證

本文設(shè)計嵌入式軟件與硬件系統(tǒng)，并開發(fā)了一款基于高德地圖的手機APP，通過無線傳輸模塊接收硬件系統(tǒng)發(fā)送的數(shù)據(jù)并進行處理，在地圖上顯示實驗人員的實時位置，實現(xiàn)定位導(dǎo)航系統(tǒng)功能。其功能模塊主要分為四個部分。

1） 數(shù)據(jù)采集模塊：使用MPU9150，該模塊進行三軸加速度、角速度、磁場強度數(shù)據(jù)采集;

2） 中央處理器模塊：CPU使用STM32F411，該模塊可以實現(xiàn)對數(shù)據(jù)信息的儲存和轉(zhuǎn)換;

3） 無線通信模塊：使用ESP8285WIFI模塊;

4） 供電模塊。

手機APP設(shè)計有主界面登陸與連接界面。可通過WIFI連接界面進行手機與測試模塊的連接并實現(xiàn)基本的計步功能，APP主界面如圖2所示。

測試模塊傳感器放置于實驗人員腳部，手機APP獲取實時數(shù)據(jù)信息，在北京林業(yè)大學(xué)操場進行實驗測試，實驗裝置如圖3所示。

3.1 零速檢測仿真實驗

使用MPU9150對行人正常步行狀態(tài)下三軸加速度、角速度進行采集，并運用公式（3）進行計算判定。采集結(jié)果如圖4（a）、圖4（b）所示。

由圖4（a）、圖4（b）中可以觀察到步態(tài)穩(wěn)定過程，但是圖中[3s-4s]處和[4s-5s]處存在噪聲干擾，對零速點的判別存在影響。

3.2 卡爾曼濾波實驗

使用卡爾曼濾波算法對采集的加速度和角速度模值數(shù)據(jù)進行處理。濾波效果如圖5（a）、（b）所示。

由圖5（a）、（b）可以得出，使用卡爾曼濾波后的波形減少了原始數(shù)據(jù)中的一部分噪聲干擾，數(shù)據(jù)可讀性更高，零速區(qū)間的判斷也更加準確。

3.3 計步實驗

采取零速檢測法進行計步實驗，數(shù)據(jù)統(tǒng)計見表1。

由上表數(shù)據(jù)可知，數(shù)據(jù)經(jīng)過三條件法和卡爾曼濾波算法處理后，仍可以較為準確地統(tǒng)計出行人行走的步數(shù)，計步準確率在98%以上。

3.4 行人航跡推算實驗

數(shù)據(jù)統(tǒng)計見表2。

由上表數(shù)據(jù)可知，行走實際距離與探測距離相對誤差較小，最大誤差為5.5%，精確度達到94.5%，能夠滿足導(dǎo)航定位需求。

4 結(jié)論

本文設(shè)計了一種基于三條件零速檢測的行人定位系統(tǒng)。系統(tǒng)硬件包括數(shù)據(jù)采集模塊、主處理模塊、無線通信模塊、供電模塊。并開發(fā)軟件手機APP進行地圖顯示。使用零速檢測法，卡爾曼濾波以及行人航跡推算算法實現(xiàn)計步、航跡追蹤等功能。其準確度達到94.5%，滿足行人的導(dǎo)航定位的要求。

參考文獻：

[1] CHO S Y，PARK C G.MEMS based pedestrian navigation system[J].Journalof Navigation，2006， 59（1）：135- 153.

[2] 陳沖. 地磁輔助慣性導(dǎo)航系統(tǒng)研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2014.

[3] 朱素英.GNSS/DR組合導(dǎo)航系統(tǒng)中粒子濾波算法研究[J].電腦知識與技術(shù)，2013，9（25）：5790-5793.

[4] Jin-feng Li，Qing-hui Wang，Xiao-mei Liu，Shun Cao，F(xiàn)eng-long Liu. A Pedestrian Dead Reckoning System Integrating Low-Cost MEMS Inertial Sensors and GPS Receiver[J]. Journal of Engineering Science and Technology Review，2014，7（2）.

[5] 李妍. 基于位置定位的消防員遇險搜救系統(tǒng)的研究[D].天津：天津大學(xué)，2014.

[6] 肖茜.便攜式移動電子設(shè)備的步行者航位推算技術(shù)研究[D].成都：電子科技大學(xué)，2014.

[7] 李劉頌，徐向波.基于慣性導(dǎo)航的步行者零速檢測算法[J].傳感器與微系統(tǒng)，2019，38（3）：154-156，160.

[8] 李宏成.基于捷聯(lián)慣性導(dǎo)航系統(tǒng)初始對準的卡爾曼濾波技術(shù)研究[D].贛州：江西理工大學(xué)，2016.

[9] 李超，蘇中，朱嘉林.可穿戴式自主定位技術(shù)的零速觸發(fā)算法研究[J].傳感技術(shù)學(xué)報，2014，27（5）：627-632.

【通聯(lián)編輯：梁書】