改进的双足IMU行人定位算法研究

发布时间：2020-12-17 07:07

　　位置服务的普及给人们生活带来了极大的方便,在室外环境中依靠完备的GNSS可以获取实时的高精度位置服务。而在建筑物内部、森林、隧道或者楼宇之间等无法应用GNSS定位的环境中,一般采用室内定位技术。而采用有源信号进行室内定位的系统,需要事先安装基础设施,在有信号干扰和一些应急场景中无法使用。针对这一情况,本文选择以鞋绑式行人航位推算为基础,从提升数据质量、提高步态检测精度和导航信息融合等方面展开研究,改进鞋绑式行人航位推算的定位精度和系统稳定性。研究成果如下:(1)提出IMU的多位置旋转误差标定算法。针对低成本IMU数据质量差的问题,首先利用Allan方差分析IMU的随机噪声,然后通过比力加速度与重力建立加速度计的误差模型,基于动态旋转以及标定后的加速度建立导航方程实现陀螺仪误差建模,使用LM算法实现低成本IMU系统误差参数的快速标定。该方法无需任何外界设备辅助,可以精确地标定出加速度计与陀螺仪的常值零偏、三轴安装误差以及缩放因子。标定后能有效的改善加速度计与陀螺仪数据质量,导航精度提升一个数量级。(2)提出多运动状态下自适应步态检测算法。为解决由支撑区间中的上行波动和摆动区间中的下行波动... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：108 页

【学位级别】：硕士

【部分图文】：

刚体等效旋转示意图

图 3-2 加速度计/陀螺仪轴与理想轴之间的偏差ccelerometer/ Gyroscope sensors axes deviation between id差参数确定时包含的误差一般有安装误差、缩放因子、零偏随机噪声进行了分析，本节根据坐标轴与理想轴采用先平移在旋转的方法对加速计的误差进行建本文忽略横轴灵敏度的影响，首先将三轴平移至，最后将放大后的坐标轴旋转至理想轴的位置，( )o a a s a aa T K a b ν 111yz zyxz zxxy yx ,0 00 00 0axa ayazsss K ，axa ayazbbb b 分别表示理想的加速度值和实际的加速度测量值，

4 多运动状态下自适应步态检测（3）分类识别本文选取随机森林算法（Random Forest，RF）进行运动状态分类，作为一种新兴的、高度灵活的一种机器学习算法在诸多领域都有应用，如银行、股票市场、医药和电子商务，现被广泛应用于模式识别[99]。RF 算法是以 Bagging 和Random Subspace 算法为基础发展而来，其通过构造多棵具有随机性的决策树1 2( ), ( ), , ( )nTreeh x h x hx ，并将它们组合在一起以获得更稳定和准确的分类，其结构示意图如 4-11 所示。随机森林算法既可以用于分类，也可以通过输出决策树结果的平均值来解决回归问题。构造待分类的数据 1 21, , , ,Ni i iM iix x x y T 含有N 个待分类样本，1 2, , ,i i iMx x x 为该数据的 M 个特征量， NiiY y为待分类数据T 的 个类别标签，其中iy 的值为 c ， c 2为分类数。


本文编号：2921617