步态分类-AKF的个人导航方法研究

发布时间：2021-01-19 05:31

　　微机电（micro electromechanical system,MEMS）惯性传感器的体积小,性价比高,所以经常用在需要随身携带或较小的设备环境中。其依赖自身传感器数据进行定位的功能,使其具有不受外界信号影响的优点。但是惯性器件的传感器会受到一些因素影响,使其在工作过程中会累积误差,使误差越来越大,导致系统发散。针对这个问题,在行人导航系统中目前大多用的解决方法是零速修正。零速修正方法可以在行人零速度时消除器件的累积误差。但目前使用扩展卡尔曼滤波进行数据估计时,卡尔曼滤波器的参数固定,当环境或运动改变时易出现精度降低的问题。因此,本文在行人导航系统中通过自适应手段判断卡尔曼滤波器最优参数,降低固定参数所导致的定位误差,提升行人导航定位的精度。本文设计了自适应卡尔曼滤波器,在行人导航定位时能自适应调节参数。具体流程是首先提取行人脚部运动数据特征,利用随机森林算法分类得到行人运动状态,其次根据运动状态与相应脚部运动特征,结合模糊推理系统,输出卡尔曼滤波器的参数控制系数,最后利用此控制系数对卡尔曼滤波器进行参数调节,实现自适应卡尔曼滤波。此系统能够降低运动状态改变产生的干扰并准确追踪行... 

【文章来源】：北京信息科技大学北京市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

静止状态时陀螺仪输出数据

静止状态时加速度计输出数据

第3章步态分类-AKF方法研究34图3.4脚部加速度变化图3.5脚部陀螺仪数据变化3.3.3自适应卡尔曼滤波器的实现根据上文对系统的分析，接下来需要设计模糊推理系统，根据模糊推理对自适应卡尔曼滤波器参数进行适当调整，设计流程如下：

【参考文献】：
期刊论文
[1]自适应强跟踪卡尔曼滤波器载波环设计[J]. 王福军,丁小燕,王前,白英广.  火力与指挥控制. 2019(11)
[2]基于改进BP神经网络的多分辨率遥感图像分类及对比分析[J]. 戚王月,胡宏祥,夏萍,周婷.  安徽农业大学学报. 2019(04)
[3]基于状态扩增的MEMS陀螺随机误差实时滤波研究[J]. 赵明亮,汪立新,秦伟伟.  电光与控制. 2019(05)
[4]一种处理非平衡数据集的优化随机森林分类方法[J]. 马海荣,程新文.  微电子学与计算机. 2018(11)
[5]行人自主导航定位的多级滤波方法[J]. 谷志丹,李擎,赵辉.  系统仿真学报. 2018(12)
[6]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)
[7]多运动形式下的行人三维定位方法研究[J]. 赵辉,李擎,李超.  北京信息科技大学学报(自然科学版). 2016(05)
[8]基于MEMS惯性传感器的人体多运动模式识别[J]. 路永乐,张欣,龚爽,周帆,刘宇.  中国惯性技术学报. 2016(05)
[9]MEMS加速度计的误差补偿方法[J]. 许鹏,陈琳,王娟.  微纳电子技术. 2016(07)
[10]一种基于双IMU框架的室内个人导航方法（英文）[J]. 徐元,陈熙源,李庆华,唐建.  中国惯性技术学报. 2015(06)

硕士论文
[1]基于BP神经网络的分类器改进算法研究与应用[D]. 李圆满.中国地质大学(北京) 2019
[2]基于自适应扩展卡尔曼滤波的室内惯性导航系统设计与实现[D]. 沈晔星.东南大学 2018
[3]基于MIMU的行人任意步态定位方法[D]. 郭铮.哈尔滨工程大学 2018
[4]基于MEMS-IMU的室内定位与导航算法研究[D]. 寇彩云.北京工业大学 2018
[5]基于MINS/GPS的车载自适应组合导航算法研究[D]. 何书凡.华南理工大学 2018
[6]行人惯性导航综合补偿方法研究[D]. 丁一鸣.苏州大学 2018
[7]基于自适应扩展卡尔曼滤波的微小型航姿系统设计与实现[D]. 路小燕.南京航空航天大学 2018
[8]基于自适应卡尔曼滤波的GPS抗欺骗干扰方法的研究[D]. 张泰阁.哈尔滨工程大学 2018
[9]基于加权决策树的随机森林模型优化[D]. 马晓东.华中师范大学 2017



本文编号：2986427