隨著社會(huì)的飛速發(fā)展,日常生活以及國(guó)防等領(lǐng)域?qū)τ诰珳?zhǔn)定位導(dǎo)航的需求日益增加。然而由于衛(wèi)星信號(hào)無(wú)法穿透大多數(shù)障礙物且存在多徑效應(yīng),導(dǎo)致全球定位系統(tǒng)在室內(nèi)、地下、隧道、森林里不能有效使用,不能滿足人們?nèi)粘Ｉ钏琛６鴳T性導(dǎo)航系統(tǒng)不需要依靠外部信號(hào),僅依靠自身的慣性傳感器測(cè)得的慣性信號(hào)便可實(shí)現(xiàn)自主導(dǎo)航,克服了衛(wèi)星導(dǎo)航的上述弊端,一直是定位導(dǎo)航領(lǐng)域的研究熱點(diǎn)之一。本文基于慣性導(dǎo)航技術(shù),探究行人自主定位的關(guān)鍵技術(shù)。本文首先詳細(xì)介紹了行人慣性導(dǎo)航定位所用的慣性傳感器,并對(duì)慣性器件的誤差進(jìn)行了分析。然后論述坐標(biāo)系相關(guān)理論及慣性導(dǎo)航系統(tǒng)的相關(guān)解算,并對(duì)其中的坐標(biāo)系旋轉(zhuǎn)及姿態(tài)矩陣進(jìn)行了重點(diǎn)探究。隨后對(duì)卡爾曼濾波的原理進(jìn)行了詳細(xì)探究與推導(dǎo),包括適合線性系統(tǒng)的卡爾曼濾波和適合非線性系統(tǒng)的擴(kuò)展卡爾曼濾波。由于行人慣性導(dǎo)航系統(tǒng)是非線性系統(tǒng),因此本文又針對(duì)擴(kuò)展卡爾曼濾波,詳細(xì)推導(dǎo)了基于擴(kuò)展卡爾曼濾波的慣性導(dǎo)航算法。由于行人慣性導(dǎo)航主要利用加速度計(jì)的二次積分以獲得位置信息,由此可能會(huì)帶來(lái)非常嚴(yán)重的累計(jì)誤差,導(dǎo)致行人軌跡的快速發(fā)散。針對(duì)此,本文對(duì)行人慣性導(dǎo)航中的經(jīng)典零速檢測(cè)方案進(jìn)行了詳細(xì)研究,包括:基于固定閾值的零速檢... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

采集模塊NGIMU實(shí)物圖

電子科技大學(xué)碩士學(xué)位論文圖3-20MATLAB上EKF預(yù)測(cè)階段重要公式3.4.2EKF更新階段EKF預(yù)測(cè)階段由于未引入觀測(cè)量，也就沒(méi)有能夠及時(shí)對(duì)引入的誤差或者噪聲進(jìn)行糾正，隨著INS的不斷迭代，誤差或噪聲也在不斷的累計(jì)，會(huì)導(dǎo)致行人軌跡快速發(fā)散。由此必須進(jìn)入更新階段，通過(guò)引入觀測(cè)量來(lái)進(jìn)行更新，從而抑制行人軌跡快速發(fā)散。上一小節(jié)3.3零速更新模塊中介紹過(guò)，行人腳步運(yùn)動(dòng)是一個(gè)周期性運(yùn)動(dòng)，可以將腳每次落地時(shí)站立階段的速度假設(shè)為零，然后與實(shí)際計(jì)算出的速度作差得出一個(gè)差值，作為EKF更新的觀測(cè)量，從而糾正速度偏差。當(dāng)處于站立階段，誤差狀態(tài)向量通過(guò)零速更新的測(cè)量值z(mì)k=vk|k1[000]來(lái)更新，誤差狀態(tài)向量的表達(dá)式為：xk|k=xk|k1+kgzkHkxk|k1(3-16)其中卡爾曼增益為和觀測(cè)矩陣分別為：kg=Pk|k1HkTHkPk|k1HkT+R1(3-17)Hk=[03×303×3I3×3](3-18)系統(tǒng)估計(jì)誤差狀態(tài)向量xk|k的協(xié)方差矩陣為：Pk|k=(IkgHk)Pk|k1(3-19)并且考慮到EKF預(yù)測(cè)階段，沒(méi)有觀測(cè)量，預(yù)測(cè)誤差可假設(shè)為0，即xk|k1=0，所以誤差狀態(tài)向量可以簡(jiǎn)化為：xk|k=kg·vk|k1(3-20)姿態(tài)的更新是結(jié)合姿態(tài)誤差δφk和k-1時(shí)刻到k時(shí)刻的預(yù)測(cè)姿態(tài)矩陣來(lái)完成44

第三章行人自主定位關(guān)鍵技術(shù)研究的：Cnbk|k=2I+[δφk]2I[δφk]·Cnbk|k1(3-21)其中，[δφk]=0δψkδθkδψk0δγkδθkδγk0，表示姿態(tài)誤差向量δφk的斜對(duì)稱矩陣。位置和速度的更新通過(guò)下面兩式更新：vk|k=vk|k1δxk(7:9)=vk|k1δvk(3-22)pk|k=pk|k1δxk(4:6)=vk|k1δpk(3-23)至此，在擴(kuò)展卡爾曼濾波的基礎(chǔ)上，論文推導(dǎo)了行人慣性導(dǎo)航的預(yù)測(cè)和更新算法。其中姿態(tài)，速度和位置的更新方程分別如式(3-21)、(3-22)和(3-23)所示，基于更新方程，定位系統(tǒng)便可長(zhǎng)期穩(wěn)定的運(yùn)行下去。論文中基于卡爾曼濾波的相關(guān)計(jì)算在MATLAB上完成，部分重要公式如下圖3-21所示，從上往下分別對(duì)應(yīng)式(3-21)、(3-22)和(3-23)。圖3-21MATLAB上EKF更新階段重要公式3.5實(shí)驗(yàn)結(jié)果與分析為了體現(xiàn)本文所研究模型的優(yōu)良性能，本文在不同的地點(diǎn)：實(shí)驗(yàn)樓、科研樓和立人樓，由不同的志愿者進(jìn)行了正常速度行走、快速行走、跑步三種常見(jiàn)運(yùn)動(dòng)類型的實(shí)驗(yàn)演示，所有的路徑均設(shè)置為長(zhǎng)閉環(huán)，包含室內(nèi)和室外場(chǎng)景。同時(shí)考慮到傳統(tǒng)基于固定閾值的零速檢測(cè)算法，如果針對(duì)單一的運(yùn)動(dòng)類型，以犧牲魯棒性來(lái)提高精度，即每次均手動(dòng)挑選合適的固定閾值以提高精度，那么也可以繪制出45

【參考文獻(xiàn)】：
期刊論文
[1]融合MEMS-IMU信息的亞像素相關(guān)跟蹤方法[J]. 唐湘成,田金文,黃正中,劉東升.  紅外. 2018(03)
[2]水力旋流器內(nèi)科里奧利力的量級(jí)分析研究[J]. 楊林娜,郭志玲,蔡圃,王博.  流體機(jī)械. 2015(04)
[3]卡爾曼濾波在衛(wèi)星紅外、微波海表溫度數(shù)據(jù)融合中的應(yīng)用[J]. 王艷珍,管磊,曲利芹.  中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(12)
[4]非加性噪聲情形下卡爾曼濾波器的推廣[J]. 王一夫,陳松喬.  計(jì)算機(jī)工程與應(yīng)用. 2008(04)
[5]慣性測(cè)量系統(tǒng)零速修正的幾種估計(jì)方法[J]. 高鐘毓,王進(jìn),董景新,趙長(zhǎng)德.  中國(guó)慣性技術(shù)學(xué)報(bào). 1995(02)



本文編號(hào)：3003491