基于地图信息及MEMS传感器的室内行人导航算法

摘要

近几年来，室内行人导航定位系统在全球范围内有着巨大的市场需求。目前，全球约有两万五千家研究机构或企业致力于行人室内定位系统的研究。2012年科技部印发的《导航与位置服务科技发展“十二五”专项规划》中明确指出，我国将要全力推动室内定位技术的发展，做到室内外协同精密定位。现今，工业界和学术界对于行人导航系统的研究取得了长足的发展，多种室内定位技术，如Wi-Fi定位技术、惯性导航定位技术、蓝牙定位技术、地图导航技术、视觉导航技术等，已被广泛应用于室内行人导航定位系统中。
　　目前，室内行人导航系统的主要研究重点是如何在保证系统定位精度和定位性能的前提下，降低系统运行成本，即时间成本和经济成本。微型惯性传感器具有体积小、质量轻、成本低、耗电量小、易集成、不易受外部环境影响等特点，且被普遍集成于智能手机之中，这使基于微型惯性传感器的惯性导航定位技术成为室内定位的理想手段之一。因此，本论文首先提出了一种基于微型惯性传感器的室内行人导航系统解决方案。
　　基于微型惯性传感器的惯性导航系统单独工作时，导航解算误差随时间迅速积累，最终致使系统无法正常工作。因此，需要其它辅助信息或传感器对系统误差进行修正。利用行人在运动过程独特的运动特性，本论文使用非完全约束算法、零速修正算法对惯性导航解算结果进行修正。利用加速度计输出信息对行人的运动状态进行检测，获得单步运动信息与零速状态，通过扩展卡尔曼滤波器将各速度约束信息用于惯性导航系统的误差修正。随着物联网系统的发展，城市Wi-Fi覆盖率逐渐提高，公众建筑物，如大学、图书馆、机场等，都普遍存在Wi-Fi接入点，可以向用户免费提供Wi-Fi信息。当Wi-Fi可用时，基于指纹识别算法的Wi-Fi位置信息可以用于进一步修正惯性导航系统导航解算误差，解决只有速度约束时，惯性导航系统航向信息不可观测的问题，通过基于扩展卡尔曼滤波的Wi-Fi/惯性组合导航算法，提高系统的导航解算精度。为了节省WiFi指纹数据库生成过程中的时间成本、人力消耗成本等，本文提出一种“走动测绘”方法来快速生成Wi-Fi指纹数据库。针对解决Wi-Fi指纹识别定位算法在在线导航阶段存在Wi-Fi模糊性问题，本文提出了一种基于K最临近算法和多重阈值判别的Wi-Fi定位算法，提高了Wi-Fi指纹识别算法的定位精度。
　　基于地图信息的导航算法是一种便捷、常用的导航方法。目前，建筑物所有者、基于位置服务的公司等都可以向用户提供室内地图信息，室内地图信息不仅可以用于呈现导航解算结果，更可以参与导航解算过程、修正惯性导航系统导航解算误差。针对解决如何快速获取室内地图信息的问题，本文给出了一种快速有效、且低成本的平面地图处理方法。粒子滤波器可以有效解决非线性、非高斯系统的状态估计问题，同时可以灵活添加系统量测量。本论文设计了基于粒子滤波器平台的地图辅助惯性导航解算算法，实现了不同种类的粒子滤波算法，如传统粒子滤波、回溯粒子滤波、辅助粒子滤波等。通过综合考虑运算速率与导航解算精度，本文选择辅助粒子滤波算法来实现基于地图辅助的导航算法。通过“穿墙法”实现量测更新过程中粒子权值的更新，利用相邻时刻粒子的连线与室内地图间的几何关系设计了有效粒子检测算法，解决了量测更新过程中有效粒子的检测问题。因此，基于粒子滤波的地图辅助算法并不直接用于投影行人的位置信息，而是作为一种阈值约束，通过粒子滤波算法来约束导航解算位置估计结果。为了有效利用室内地图信息，本论文在地图辅助方法之后增加了地图匹配算法，最大限度地利用了已有的地图信息来提高导航定位精度。与地图辅助方法不同，地图匹配算法所使用的地图信息为行人在室内行走过程中所有可能的轨迹/路径，如走廊、大厅、过道等，并生成室内轨迹骨骼图。地图匹配算法将先前的位置估计直接投影到轨迹骨骼图上，投影点的位置即为当前时刻的位置估计。
　　为了有效组合惯性导航信息与室内地图信息等辅助修正信息，本论文提出了一种基于卡尔曼滤波与粒子滤波的级联滤波算法。与此同时，为充分结合行人航位推算算法和惯性导航解算算法的优点，本论文在级联滤波的上下层分别使用了惯性导航系统机械编排模型与行人航位推算模型作为系统模型进行系统更新。
　　最后，本论文设计并进行了不同场景下的系统试验以对比、验证本论文所提出的基于地图信息、Wi-Fi信息及MEMS传感器的室内行人导航算法的可靠性、可行性。试验结果表明利用室内地图信息、手机内置微型惯性传感器及Wi-Fi信息（当Wi-Fi信号已存在并可利用时），通过使用本论文提出的级联滤波算法，可以在保证系统定位精度的同时，有效降低系统运行成本及运算负荷，定位误差RMS可以保持在较小水平。

目录

声明

摘要

第1章绪论

1．1课题的研究目的及意义

1．2室内行人导航系统的发展现状

1．2．1室内行人导航系统的定位方法

1．2．2相关室内导航定位产品

1．3论文主要研究内容

第2章单一室内行人导航系统的搭建

2．1．1坐标系定义

2．1．2惯性导航解算算法

2．1．3行人航位推算算法

2．1．4惯性导航系统初始化

2．2 Wi-Fi定位算法

2．2．1 Wi-Fi三边测量定位算法

2．2．2Wi-Fi指纹识别算法

2．3导航滤波算法

2．3．1卡尔曼滤波算法

2．3．2贝叶斯估计算法

2．3．3粒子滤波算法

2．4基于地图的导航定位算法

2．4．1地图辅助算法

2．4．2地图匹配算法

2．5本章小结

第3章基于惯性器件和Wi-Fi组合的室内定位算法

3．1基于扩展卡尔曼滤波的惯性导航误差修正算法

3．1．1非完全约束修正

3．1．2零速修正

3．2 Wi-Fi／INS组合导航算法

3．2．1 Wi-Fi位置估计算法

3．2．2基于EKF的Wi-Fi／INS组合导航算法

3．3 Wi-Fi／INS组合导航算法试验

3．3．1传感器及试验环境

3．3．2参考轨迹的生成

3．3．3试验及结果分析

3．4本章小结

第4章基于粒子滤波的地图辅助算法

4．1粒子滤波实现地图辅助算法

4．1．1传统粒子滤波

4．1．2辅助粒子滤波算法

4．1．3回溯粒子滤波算法

4．2 INS与地图级联结构组合导航算法

4．3室内地图信息的获取

4．4基于粒子滤波的地图辅助导航算法

4．5有效粒子判别算法

4．6基于地图辅助导航算法的试验

4．6．1试验传感器介绍

4．6．2多种粒子算法比较

4．6．3 MA／INS导航算法试验及结果分析

4．7本章小结

第5章地图匹配导航算法及综合试验

5．1轨迹骨骼地图的获取

5．2地图匹配算法的结构

5．3地图匹配算法的实现

5．4综合试验及结果分析

5．4．1 MM／MA辅助INS综合试验及结果分析

5．4．2 MM／MA辅助Wi-Fi／INS组合导航算法综合试验及结果分析

5．5本章小结

结论

参考文献

攻读博士学位期间发表的论文和取得的科研成果

致谢