基于零速修正的行人導航關鍵技術及研究進展

張倫東，盧曉慧，李軍正，何勱航

(1.信息工程大學，鄭州 450001；2.北斗導航應用技術河南省協同創新中心，鄭州 450001；3.中國人民解放軍91039部隊, 北京 102401)

0 引言

由于人經常在城區、樹林、室內等區域活動，所以對人進行精確導航定位是導航定位技術中十分具有挑戰的工作[1]。目前，根據采用的手段不同，對行人進行導航定位主要有三種方式：1)利用視覺對行人進行定位。這種方式又可分為行人目標跟蹤和行人自主導航定位兩種模式。行人目標跟蹤，一般是在需要對人進行導航定位的場合，安裝攝像頭等視頻設備，利用相關算法對人進行跟蹤定位，這種方法不需要人合作，但是需要事先布置設備，限制了人的自主性；行人自主導航定位可通過攜帶圖像傳感器，對周圍環境進行拍攝，經在線計算，對行人進行導航定位[2-3]，這種方法定位精度高，但是計算量大，功耗比較大，光線不好時影響定位效果。2)利用通信信號或射頻信號對人進行導航定位。例如利用移動通信基站進行定位，以及無線射頻標簽(Radio Frequency Identification，RFID)定位、藍牙定位、超寬帶(Ultra Wide Band，UWB)定位、ZigBee定位等[4-8]。這些定位雖然采用的具體技術不同，但基本上都需要事先布設固定基站[9]，行人通過持有接收或發射的設備進行導航定位。3)利用微機電系統( Micro-Electro-Mechanical System,MEMS)慣性器件對行人進行導航定位。這種方法將MEMS慣性器件嵌入到行人可穿戴設備中，一般是安裝在鞋底，結合人的運動特點對行人進行導航定位。

相對于其他導航定位手段，基于MEMS慣性器件的行人導航技術不需要事先布設基站，僅依靠自身攜帶的MEMS陀螺儀、加速度計和磁強計等傳感器就可以完成行人的導航定位，具有自主性好，基本不受環境干擾的特點，而且功耗低，數據處理小，還可實時解算。因此，比較適合環境未知，無法提前布設基礎設施的單兵作戰、消防救援、反恐等應用領域。但是，這類人員工作比較特殊，除了正常行走外，更多的情況是跑步、轉向和上下樓，甚至還會出現跳躍和爬行等運動形式[10]，所以給導航定位算法帶來了更大的挑戰。潘獻飛等[11]對相關技術進行了詳細綜述，并展望了今后的發展趨勢。在此基礎上，本文首先對基于MEMS慣性器件的行人導航技術的基本原理進行了介紹，然后對基于零速修正(Zero Velocity Update，ZUPT)的行人導航的關鍵技術和相關研究進展進行了闡述，最后探討了行人自主導航技術的發展趨勢。

1 基于MEMS慣性器件的行人導航算法

行人導航所用的MEMS慣性器件，要求小體積、低功耗、小質量、低成本[10]。這樣的MEMS慣性器件性能較差，單獨進行導航很難滿足行人導航定位的要求。但人是一步一步地行走，如果能將人行走的步數和步長探測出來，再結合航向信息，則可以采用步行航位推算(Pedestrian Dead Reckon-ing, PDR)計算行人的位置和航向，一般稱為基于步長估計的行人航位推算方法[12]。另外，人行走的時候，每走一步腳都會著地，此時腳部相對地的速度為零，如果將MEMS安裝在鞋上或者嵌入到鞋墊里，這樣結合每步著地時的零速進行零速修正，可以對人進行導航定位，一般稱為基于零速修正的行人導航算法[12]。

1.1 基于步長估計的行人航位推算

與航位推算的原理一樣，基于步長估計的行人航位推算原理如圖1所示[10]。如果已知初始位置，結合人行走的特征，利用陀螺儀和加速度計等數據，采用一定的步長估計模型估計人行走的步長，然后利用陀螺儀或磁強計測量計算的航向角，將步長分解到選定的坐標系中，可以得到下一步人的位置。

圖1 航位推算基本原理示意圖Fig.1 The principle of PDR algorithm

在圖1中，假設初始位置S1的坐標已知，為(x1E,y1N)；S2為行人行走一步后的位置;人行走一步的步長為d1，航向角為θ1。則人在S2處的位置可為

(1)

同樣地，在后續的導航定位中，只要能夠估計行人的步長和航向，就可以推算行人下一步的位置。

一般來說，PDR包括步伐檢測、步長估計、航向計算和位置更新等4個步驟，其處理過程如圖2所示[10]。步伐檢測主要包括步頻檢測和步數判斷。步頻檢測主要用來劃分人運動過程中的步態周期，并計算一個完整步態周期的持續時間，用于步長估計和航向計算。步數判斷則是識別人是否已完成一步這個動作，用于位置更新。

圖2 航位推算處理過程Fig.2 The procedure of PDR algorithm

步長估計主要用來估計行人一個步態周期走過的距離，一般通過建立步長估計模型進行步長估計。但是，不同的人步長不同，而且步長還與人的狀態、行走的環境等多種因素有關，如人是否疲勞、是否生病、是否獨行、是否攜帶東西、路上是否有障礙、地形的坡度、地形的質地等。所以，建立比較精確的步長估計模型非常困難[10]。并且，不同的運動類型對應不同的步長模型系數，如針對正常行走優化的步長模型系數，對于跑步等運動形式的步長估計的就不太精確。另外，根據慣性器件不同的安裝方式，步長模型的系數也不相同。如果慣性器件不是固定的，如利用手機里的慣性器件進行導航定位，則步長估計模型的系數也不一樣。可見，步長估計是行人航位推算算法中最為關鍵的技術，估計算法取決于慣性傳感器的安裝位置和行人的運動方式。

航向計算主要是利用陀螺儀和磁強計的數據，結合人的運動特征，實時計算人運動的航向角，進而將人行走的每步的步長分解到相應的坐標系中。航向角的精度直接關系行人導航的導航定位精度。但是，由于行人導航采用的主要是低成本低精度的慣性器件，所以人相對真北的航向角很難求解或者精度較低，所以目前的行人導航一般都是相對于初始位置的相對導航，得到經緯度等絕對定位的還比較少。

位置更新主要是根據估計的步長和計算的航向角推算行人的位置。推算的位置精度主要受步長估計精度和航向角計算精度的影響，并且隨著行走距離的增加，定位誤差越來越大。

行人航位推算實現簡單，靈活方便，器件可以安裝在腳部、腰部、手臂、胸部，或者口袋里，對安裝的位置限制較小，特別是現在的智能手機，大都集成了陀螺儀、加速度計和磁強計等傳感器。因此，PDR得到了廣泛的研究和應用。但是，PDR受很多因素的影響，定位精度有限。而對于單兵作戰、消防救援和反恐等應用領域，由于包含跳躍和跑步等多種運動模式，將該算法應用于這些特殊領域還有待于進一步深入研究。

1.2 基于零速修正的行人導航算法

人在行走和跑步等運動過程中，腳部會不斷地離開地面和接觸地面。當腳部接觸地面時，行人的速度為零。如果將MEMS慣性器件安裝在腳部，如鞋里或者特制的鞋墊里，傳感器檢測到腳部著地時，理論上此時MEMS部件的速度應該為零。此時，將速度零值作為觀測值進行導航濾波計算，稱為基于零速修正的行人導航算法。由于腳部離開地面的時間比較短，所以采用零速修正，即可得到較高的導航定位精度。其基本原理如圖3所示[13]。

圖3 零速修正基本原理示意圖Fig.3 The principle of ZUPT algorithm

在零速修正的行人導航算法中，要求MEMS慣性器件安裝在腳部，這限制了很多場合的應用。但是與行人航位推算相比，該算法比較簡單；能夠適應多種場合；采用該算法，不同的人對導航定位精度的影響較小；導航定位精度相對較高，非常適合士兵作戰、消防救災等特殊場合的應用。

2 基于零速修正的行人導航關鍵技術研究進展

在零速修正的行人導航算法中，零速狀態檢測和絕對航向角的高精度計算是最為關鍵的技術，這是影響行人導航定位精度的最重要的因素。其次，如果能將人的運動模式進行細分，根據人的運動模式進行零狀態檢測和算法修正，導航定位的精度將會更高，同時還可監測前方執行任務的人員狀態，為復雜情況的處置提供信息。

2.1 零速狀態檢測

準確檢測出行人的零速狀態是基于零速修正的行人導航算法的前提。在行人實際運動過程中，由于腳部的高頻振動，由陀螺儀和加速度計的輸出數據精確地判斷零速狀態和非零速狀態非常困難。在零速狀態判斷中，行人實際上處于零速狀態，但是設計的算法沒有判斷出來，這種情況稱為漏判；行人實際上處于非零速狀態，但是設計的算法判斷為零速，稱為誤判[14]。如果發生漏判，則在本次零速修正中，參與修正的數據量比實際的數據量少，但是對于正常行走來說，這對導航定位的精度基本沒有影響；但對跑步來說，本來腳與地面接觸的時間就比較短，再漏判一些數據，則參與零速修正的數據量就會更少，進而影響導航定位的精度。誤判是錯誤地將非零速狀態認為是零速狀態，用誤判的結果進行零速修正肯定會產生較大的誤差，并且這種誤差會一直影響后續的導航定位解算[14]。因此，零速狀態檢測應遵循的基本原則是避免發生誤判，盡量減少漏判。

零速狀態檢測既可以采用加速度計的數據，也可以采用陀螺儀的數據，還可以采用加速度計與陀螺儀的組合數據。采用滑動窗口進行檢測，滑動窗口為N，即采集N個數值，當計算值滿足一定要求時就認為處于零速狀態。J. O. Nilsson等對基于加速度閾值、角速度閾值、加速度方差以及角速度和加速度組合等四種判斷方法進行了研究[15]。唐文杰[16]和賈錚洋[17]等分別對這四種判斷方法進行了總結。四種零速檢測算法模型如下：

1)加速度閾值檢測法

(2)

2)角速度閾值檢測法

(3)

3)加速度方差檢測法

(4)

4)組合檢測法

Amutil=

(5)

(6)

唐文杰等[16]對四種判別方法分別進行了實驗驗證，實驗共行走了50步，四種判斷方法的效率幾乎沒有差別，但組合檢測方法的正確率最高。賈錚洋等[17]進行了4min的行走實驗，結果表明加速度閾值和加速度方差檢測方法均可檢測出每步的零速狀態區間。在定位結果方面，采用加速度方差檢測方法的定位精度最高，而采用組合檢測法的定位精度最差，這與唐文杰等得出的結論不同。潘獻飛等[11]和J. O. Nilsson等[15,18]認為，在大多數情況下，組合檢測方法的效果更好。唐文杰和賈錚洋的實驗都是在正常行走狀態下進行的，在其他運動模式下的情況需要進一步深入檢驗。

人的運動比較復雜，不能一直處于行走等一種運動模式。對于混合運動模式，張健敏等[19]提出了一種多運動模式下的自適應閾值零速檢測方法。該方法利用隨機森林算法對靜止、走路、跑步、上樓和下樓等5種運動模式進行分類識別，并根據識別結果對判定閾值進行自適應調整，實驗結果表明這種方法可有效提高定位精度。賈錚洋等[17]提出了一種混合運動模式下的雙重閾值零速區間檢測算法，該方法首先利用角速度變化特性識別運動模式，然后根據不同運動模式匹配相應的加速度和角速度閾值及時間窗口的大小，相對于固定閾值來說，定位精度可提升70%以上。為了減小誤判，田曉春等[20]提出了多條件約束的行人導航零速區間檢測算法，該方法采用器件輸出的模值、方差、幅值和峰值等多個條件的約束來檢測步態中的零速點，可有效降低誤判。

零速狀態的正確檢測非常重要，特別是對于跑步和跳躍等腳部與地面接觸時間比較短的情況，零速區間的檢測更加困難。對于跑步的運動模式，Sang K P等[21]提出了一種隱馬爾可夫模型來檢測零速的方法，該方法僅使用一個方向上的陀螺輸出，并且認為無論正常行走還是跑步，一個完整的跨步都包含起步、跨步、落地、靜止4個階段，這4個階段具有一定的邏輯關系，如果檢測出2個不相鄰的狀態，則中間肯定會漏檢一個狀態。對于跑步、跳躍或快速行走等運動模式，由于腳接觸地面的時間比較短，同一屬性采樣值的個數比較少，利用隱馬爾可夫模型可以可靠地檢測出零速，實驗表明在速度大約2.8m/s的步速下，該方法的零速檢測成功率可達100%。

除了利用MEMS陀螺儀和加速度計數據檢測零速區間外，還可以增加其他傳感器提高零速區間的檢測精度。O. Bebek等[22]在鞋底安裝了一組壓力傳感器，通過壓力數據可以更精確地測量零速區間，避免了零速的誤判。國內學者也對此方法進行了研究，實驗證實可有效提高零速檢測的精度和成功率[23-24]。但是，增加壓力傳感器，也增加了應用的難度。

零速狀態檢測是基于零速修正輔助的行人導航算法中最關鍵的技術，但精確判斷零速區間在技術上很難實現，尤其是對于跑步和跳躍等混合運動模式，精確檢測零速狀態還需進一步深入研究。

2.2 絕對航向與絕對位置的獲取

潘獻飛等[11]分析指出，由于航向角不可觀測，零速修正不能修正航向角的漂移。又由于MEMS陀螺儀的誤差比較大，利用陀螺儀的值很難求解行人相對真北的航向角，也就是只依賴陀螺儀很難求取絕對航向角，只能求取相對于初始時刻的相對航向。從目前可查閱的文獻來看，無論是采用行人航位推算還是基于零速修正輔助的行人導航算法，導航定位基本上都是相對于出發點的相對定位，能夠給出絕對航向以及經緯度等絕對位置的非常少。

賈錚洋等[25]提出了一種利用手機的衛星導航定位信息與足部MEMS器件解算軌跡比對求解初始絕對航向的方法。這種方法首先要在室外能夠接收衛星信號的場合運動一段時間，等絕對航向求解出來后再進入室內運動，這樣就可以求出人的經緯度等絕對位置。Johann等[26]利用建筑物的方向，將人在建筑物內的行走分為4個或8個主要方向，然后對航向進行約束。利用磁強計可以計算航向角，雖然易受外界多種因素的影響，但是長期精度比較高，經補償后可以與MEMS慣性器件計算的航向融合，進而對航向進行修正。F. Zampella等[27]根據磁場變化與航向間的變化關系，采用卡爾曼濾波估計航向誤差，進而提高航向角的精度。國內學者曾慶化等[28]采用區域劃分的思想，將人行走的區域劃分為緊密連接的蜂窩六邊形，利用行走的歷史信息，采用粒子濾波對航向進行修正，實驗結果表明航向修正后位置誤差可由5.3%降至1.7%。張立強等[29]利用準靜止磁場檢測算法修正了室內行走時的航向漂移，由實驗結果可知，定位誤差約為行走距離的0.6%～1.6%。由于人在室內一般是在走廊里行走或者進行直角轉彎，也有學者提出利用建筑物的方向對航向角進行修正。Khairi等[30]研究了利用樓向信息修正航向的相關方法，實驗結果表明，在室內行走24min共1557m，其位置誤差僅為4.62m。尹航[31]提出了利用室內地圖修正航向的方法，以原始的結構圖作為室內地圖，采用拓撲化規則提取門、房間、走廊等在空間中具有固定關系的特征并存儲在數據庫中，在人行走時利用地圖匹配算法修正人的位置。

絕對航向是經緯度等絕對位置獲取的基礎，在行人導航中，需要深入研究。目前的研究多集中在求取相對位置，與相對位置相比，求取人的經緯度等絕對位置能更好地與衛星導航相結合，更適合進行室內外無縫定位，而且對于士兵等執行特殊任務的人員來說，更希望獲取經緯度等絕對位置信息。所以，對基于足部MEMS慣性器件的行人導航來說，應注重絕對航向和絕對位置信息獲取方面的研究。

2.3 運動模式的識別

無論基于步長估計的行人航位推算還是基于零速修正的行人導航算法，如果能識別出行人的運動模式，就可以有針對性地設置相應的參數。

為了提高行人導航算法的魯棒性，算法中應包含一個實時的行人運動模式分類系統，用來識別人的運動模式。K. Frank等[32]給出了一種典型的運動模式識別和傳感器位置確定的方法。在該方法中，首先由傳感器輸出得到與方位無關的信號；然后用一段數據確定信號的特點；最后用模式識別算法，根據測量的信號特征與存儲的不同運動模式的信號特征進行匹配，從而識別人的運動模式。如果傳感器固定在人身體的任何部位，則只采用3個軸向加速度計或者3個軸的陀螺儀，或者只采用水平或垂直的1個傳感器即可識別人的運動模式。而信號的時域特征可以采用均值、最大最小值、過零次數等，頻域特征可采用頻率峰值、幅度峰值等。識別算法多種多樣，既可以采用線性判別分類法，也可以采用神經網絡或支持向量機等方法。但是采用模式識別方法，需要采集多種類型的運動數據。對于同一類型的運動模式，不同的人信號特征也不一樣，這種方法需要的先驗知識較多，實現比較復雜。在足部安裝MEMS慣性傳感器，只要安裝關系固定，不同的人行走時，同一種運動模式單個軸上傳感器的波形類似，出現最大值最小值的邏輯順序相同。基于此，張倫東等[33]提出了一種基于單軸傳感器信號特征的行人運動模式識別方法。該方法根據不同傳感器信號特征的邏輯關系可有效判斷人的正常行走、上樓、下樓和不同方向的跌倒；再根據運動頻率，還可以區分正常行走和跑步。該方法比較簡單，計算量較小，但是只采用一只腳的傳感器數據不能完全識別人的運動模式，還需要深入研究。

3 行人導航發展展望

雖然國內外學者對行人導航技術進行了大量的研究，提出了很多技術手段和解決方案。但是，對于環境未知的不受約束的自主行人導航來說，先前的單一手段還難以滿足相關需求。對于行人自主導航，建議以足部MEMS慣性器件為主，結合視覺傳感器等其他技術手段，根據不同的應用，設計相應的方案。總的來說，應重點關注以下幾點。

3.1 深入研究多傳感器組合

人的運動情況復雜，單靠一種導航技術很難滿足人的多種運動模式的需要。因此，可以根據不同的需求，采用多傳感器組合的方式，提高行人導航定位的精度，以及對多種未知場合的適應性。

有學者利用慣性導航系統(Inertial Navigation System，INS)和UWB[34-35]組合技術對人進行導航定位，取得了較好的效果。但是UWB需要事先布設，沒有充分考慮人的自主性。對人的自主導航來說，應深入研究不需要事先布設就能在未知環境中進行導航定位的組合導航技術。

首先，應深入研究MEMS慣性器件在行人導航應用中的各類影響因素，盡可能地消除各種誤差對行人導航定位精度的影響，提高只靠MEMS慣性器件就能進行精確導航定位的能力。根據人運動的特性，提高導航定位精度的相關技巧也比較多，如在初始時刻，人總會靜止十幾秒甚至一分多鐘，此時可以利用陀螺儀和加速度計的輸出值進行相關的誤差修正，進而提高器件的使用精度。

其次，應根據不同的應用，研究相應的組合技術。人所執行的任務是多種多樣的，對應的主要運動模式也不一樣，應根據不同的應用對應的主要運動模式研究相應的組合技術。例如對于大眾應用，可采用基于智能手機里的MEMS陀螺儀和加速度計的PDR與WiFi組合[36-37]。當沒有WiFi信息時，利用智能手機里傳感器的相關信息進行定位；當有WiFi信息時，則進行組合導航定位，同時修正手機定位的相關誤差。而對于士兵和消防員等執行特殊任務的人員來說，可以采用基于零速修正輔助的行人導航算法與視覺導航相結合的方法，利用視覺的高精度修正行人導航誤差。這種方法一方面可以進行導航定位，另一方面還可以將視覺感測的信息傳遞到指控中心，便于掌握前方的態勢。

行人導航所用的器件精度低，應利用人運動的特點盡可能地消除器件誤差，根據不同應用采用不同的組合方案值得深入研究和探討。

3.2 精確感知人的運動模式

人的運動模式與導航定位的關系十分緊密。對于行人的導航定位來說，如果能精確感知人的運動模式，一方面可以有效提高人的導航定位精度，另一方面可以對人的運動模式進行分類，對危險的行為進行監控，如士兵受傷摔倒、消防員中毒摔倒等，以便于更及時、更精準地進行救護[38-43]。

Paul D.Groves[10]對人的運動進行了分類，除了靜止，人的運動大致可分為：普通運動、競技運動、行進等。普通運動又包括：步行前進、跑步、后退、右側跨步、左側跨步、右轉、左轉、上山/上臺階、下山/下臺階、站立、坐下、躺下等；競技運動主要包括：跑步、跳躍、爬行、攀登、閃躲等；行進主要包括：自動扶梯、電梯、騎自行車、坐汽車、坐火車等。

對于大部分人來說，主要進行的是普通運動，而對于士兵和消防員等執行特殊任務的來說，還有跳躍和爬行等。因此，需要深入研究人運動模式的精確感知，并將運動模式的精確感知與導航定位相結合，從而提高行人導航定位的性能。

3.3 充分利用多種條件約束

對于行人導航來說，應充分利用各種約束來提高定位精度和其他性能。其實，基于零速修正輔助的行人導航本身就利用了人腳部著地時速度為零這個約束條件。此外，還有學者研究了建筑物信息約束、雙腳MEMS器件的距離約束、圖像約束等[44-46]。

行人導航的難點是在室內等沒有衛星導航信號的場合，如果能對建筑物進行三維建模，利用建筑物的三維重建信息修正行人導航的誤差，進而可以提高精度。武漢大學的相關團隊對該方法進行了初步研究和驗證[45]，證明了該方法能夠有效提高行人的導航定位精度。由于行人自主導航需要在未知環境中也能夠方便應用，但是對建筑物進行三維重建需要花費一定的時間。如果能夠根據建筑物的結構圖，快速進行三維重建，并按一定的格式導入到行人導航數據的處理器中，與MEMS信息進行融合，則能夠提高行人導航系統的精度和適用性；還可以利用建筑物的三維信息引導人快速到達目的地，提高任務的執行效率。

如果人與人之間能夠進行無線通信，可以計算執行任務的人與人之間的距離，采用單兵協同定位的方法提高行人導航定位的精度和適用性。潘獻飛等[11]對單兵協同導航定位的方式進行了介紹，但是，這種方法目前仍處于初步研究階段，還需要深入研究。

不同的人員主要的運動模式不同，對導航定位的要求也不同。基于MEMS慣性器件的行人導航，可以首先針對運動模式相對單一的人員群體進行工程應用，在工程應用中改進相關的技術，然后逐步推廣，擴大應用范圍。

3.4 盡快制定行人導航相關標準

目前，從事行人導航定位研究的公司和學術機構比較多，每家的產品和方案都有各自的特色。即使采用同樣方案的單位，其接口和數據格式也不相同。因此，不便于形成聯盟，將行人導航相關產品做大做強。所以，有志于行人導航定位的單位應聯合起來，盡快制定標準的接口和數據格式。這樣，一方面便于用戶能夠集成每家的優勢模塊，形成適合用戶的產品；另一方面可以形成規模，更大地促進市場，反過來進一步促進行人導航技術的發展。

4 總結

由于人的運動模式復雜，給人進行自主導航定位非常困難。本文在介紹了利用MEMS慣性器件進行行人自主導航原理的基礎上，重點闡述了基于零速修正的行人導航的關鍵技術和國內外相關研究進展。最后，對行人導航技術的發展進行了展望，指出了應重點關注的問題和技術難點。目前，仍沒有一種通用的技術可以實現行人的自主導航定位，也缺少相關的標準協議，定位精度也難以滿足行人自主導航定位的需求。期待不久的將來，相關技術能夠得到突破，進而促進行人自主導航的發展和應用。