一种自适应粒子滤波的零速修正方法

发布时间：2021-10-08 11:53

　　针对卡尔曼滤波方法处理非线性非高斯模型滤波精度低,以及标准粒子滤波中粒子退化严重的问题,提出一种自适应粒子滤波的零速修正方法。将自适应阈值与粒子滤波结合,从而提高重采样的效率;重采样过程中引入退化系数判断粒子退化程度,对粒子进行二次采样,保证了粒子的多样性。为了验证所提算法的有效性和可行性,搭建了以惯性测量单元IMU（inertial measurement unit）为核心的硬件平台,利用IMU采集的数据建立系统的状态空间模型,并进行实验。结果表明,与卡尔曼滤波方法和经典粒子滤波方法相比,自适应粒子滤波方法在零速区间的定位精度分别提高了40.6%和19.4%。自适应粒子滤波APF（adaptive particle filter）能更好地修正导航误差,提高行人轨迹精度。 

【文章来源】：西北工业大学学报. 2020,38(02)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

导航算法结构框架

实验装置选用美国应美盛(Invensense)公司的MPU9150模块,该模块为9轴组合传感器,由6轴惯性测量单元(3轴加速度计和3轴陀螺仪)和3轴磁强计组成。实验过程中,将传感器安装在右脚脚面上,单片机安装在实验人员腰部,实验的硬件模块及安装方式如图2所示。为了验证本文提出算法的优势及可行性,设置对比实验进行验证,实验人员穿戴测量模块实验,沿直线行走共35 m,航向角为190°。实验沿西向直线行走约34.46 m,南向约6.08 m,时间为130 s。对行人行走过程中的步态信息进行采集,行人初始位置定为(0,0,0)m,设定粒子滤波参数,如表1所示。

为了便于自适应粒子滤波性能分析,在相同实验条件下,分别使用扩展卡尔曼滤波(EKF)算法[14]、经典粒子滤波(PF)和自适应粒子滤波(APF)算法进行零速修正。3种滤波方法在零速区间的速度误差和位置误差曲线如图3和4所示。图4 EKF、PF和APF的位置误差曲线

【参考文献】：
期刊论文
[1]基于地磁场自适应修正的航姿系统姿态解算研究[J]. 王录,刘明雍,王梦凡,郭娇娇,雷罡,张小件.  西北工业大学学报. 2019(02)
[2]一种12维零速状态更新的智能行人航位推算[J]. 刘恒志,李擎.  系统仿真学报. 2018(11)
[3]基于GPS/MEMS惯性传感器的消防员室内定位研究[J]. 朱新宇,陶庭叶,姜冬致.  合肥工业大学学报(自然科学版). 2018(07)
[4]基于零速/航向自观测/地磁匹配的行人导航算法研究[J]. 黄欣,熊智,许建新,徐丽敏.  兵工学报. 2017(10)
[5]一种多运动模式下自适应阈值零速修正算法[J]. 张健敏,修春娣,杨威,杨东凯.  北京航空航天大学学报. 2018(03)
[6]基于改进粒子群算法的无人机三维航迹规划[J]. 方群,徐青.  西北工业大学学报. 2017(01)
[7]基于SVR和粒子滤波的室内导航方法[J]. 杨智,严华.  计算机测量与控制. 2016(09)
[8]改进粒子滤波算法及其在GPS/SINS组合导航中的应用[J]. 王林,林雪原,孙炜玮,王萌.  海军航空工程学院学报. 2016(01)
[9]基于粒子滤波的多枚声呐浮标联合跟踪定位算法[J]. 陈增增,马晓民,陶伟.  声学与电子工程. 2015(01)



本文编号：3424108