一种基于mems惯性器件的室内环境精确实时定位方法
【技术领域】
[0001 ]本发明设及室内环境行人定位技术领域，具体设及一种基于MEMS惯性器件的室内 环境精确实时定位方法。
【背景技术】
[0002] 近年来，GPS技术在各个行业得到了广泛的应用。然而，在室内、隧道、矿井下运些 封闭环境中，GPS信号衰减严重，甚至没有GI^信号，导致定位精度大大降低甚至完全失效。
[0003] 因此，室内定位技术应运而生。其中，捷联式惯性定位系统由于成本低、不受外界 干扰、可W短时间内实现高精度定位，得到了大力地发展。
[0004] 基于MEMS惯性器件的惯性定位技术主要有两种:一种是采用PDR方法，其通过加速 度输出检测行走的步数，步长则采用运动学近似估计，能够避免加速度值双积分带来的积 累误差，但是运种方法不能识别不同人的步态变化，在定位时带来诸多不便;另一种方法是 鞋绑式定位算法，运种方法将MEMS惯性器件绑在鞋上，通过加速度计和巧螺仪获取行人姿 态和位置信息。但由于惯性器件本身存在漂移，随着时间推移，将会很大程度上地影响定位 精度。其次，运种方法是针对鞋绑式的算法，放在身体的其他部位并不适用，实用性差。
[0005] 综上可知，基于MEMS惯性器件的定位方法无需外部设备、不受外界干扰，是一种很 好的定位方法。但其存在积累误差，大大影响定位精度，而现阶段的任务就是寻找消除误差 的方法。比较PDR定位和鞋绑式两种定位方法的优劣，本发明选择PDR定位技术。并针对其缺 点提出了改进的辅助算法。
【发明内容】
[0006] 本发明针对现有技术的不足之处，提供一种基于MEMS惯性器件的室内环境精确实 时定位方法。
[0007] 本发明解决现有技术问题的方案是：
[000引步骤A、计算相对位移量，利用公式S = L*N，其中，L为步长，N为步数，具体步骤如 下：
[0009] 步骤A1、步长L用行走频率WF和加速度方差AV相关的线性方程表示： 5 = ?· +公' /! ?/· +;/，其中，α、β和丫是步长计算的相关参数，可通过实验训练获得；实验 采集行人不同步态下的相关数据，描点划线最后得到一条拟合曲线，即是所需线性方程；
[0010] 步骤Α2、加速度的波动可W从一定程度上表征步数Ν的变化，通过加速度的输出值 可检测出行走的步数;航向角可W通过角速度积分获取；
[0011] 步骤Β、判断行人步态的变化：同一个线性回归模型并不适用于不同的行走模式， 将会带来较大的定位误差，因此在计算步长的同时，应当判断行人的行走模式，识别不同人 的步态变化;实验数据表明，静止、行走、跑步Ξ种行走模式下，合加速度方差的数值差异较 为明显;通过设定加速度方差的阔值可用来判断行人的行走模式;此外，"零速度检测"阶段 可采用基于合加速度、合加速度方差和角速度值的多条件判断方法，精度较高；
[0012]步骤C、梯度下降算法实现姿态融合，提高航向精确度:包括如下具体步骤：
[001引步骤C1、利用加速度计表示四元数误差矩阵：
[0014]
[001引步骤C 2、对四元数误差矩阵求导，获得雅克比矩阵疋，(资，根据公式
得梯度；
[0016] 步骤C3、求出经过梯度下降法计算的目标姿态：
其中，山
代表步长，其和实际物体运动的角速度和采样时间相关，在低速运动下，应满足下式 其中，α为动态变量，β为四元数微分方程求解的姿态算法的收敛速度；由此 的最终的姿态融合公式为：
W上为巧螺仪和加速度计 的梯度下降法姿态融合算法;同理也可得巧螺仪和地磁计的姿态融合公式。
[0017] 总之，本发明是一种采用MEMS惯性器件通过建立回归模型估算步长获取人员精确 定位信息的室内惯性定位算法。本发明在航向角的确定中，利用梯度下降算法补偿姿态误 差，增加了行人航向的精度，减小了计算量;本发明还提出利用"Ξ条件判断法"与合加速度 融合来判断行人步态的变化，从而提高算法的适应性。该发明不受外界环境干扰，成本低， 简单实用，精度高，可应用于室内、隧道、矿井下等特殊场所。
【附图说明】
[0018] 图1本发明所述方法的流程框图；
[0019] 图2为步长估算方法的流程图；
[0020] 图3为巧螺仪和加速度计的梯度下降姿态融合算法的流程图。
【具体实施方式】
[0021] 根据说明书附图对本发明进行进一步的阐述：
[0022] 本发明基于MEMS惯性器件实现的室内环境精确实时定位方法研究，主要是由 MPU6050通过WIFI将行人运动数据传输到电脑终端，通过步长乘步数的方法获取行人的位 移信息，并结合梯度下降算法修正行人航向信息，最终实现行人航迹推算。其中，针对PDR定 位技术不能识别不同人的步态变化运一点，加入判断步态变化模块，在很大程度上提高了 定位精度。
[0023] 图一为本发明所述方法的流程框图，本发明的实现分为Ξ个步骤，具体为:A、判断 行人运动状态并估算近似步长;B、判断行人步态的变化;C、梯度下降算法修正航向角。具体 步骤如下：
[0024]步骤A、计算相对位移，利用步长乘W步数公式S = L*N，具体步骤如下：
[002引步骤A1、步长L用行走频率WF和加速度方差AV相关的线性方程表示： 《="'^ +片'/1^ + ;/，其中，曰、0和丫是步长计算的相关参数，可通过实验训练获得;实验 采集行人不同步态下的相关数据，描点划线最后得到一条拟合曲线，即是所需线性方程； [00%]本发明的步长估算方法的流程图见图二。
[0027] 步骤A2、加速度的波动可W从一定程度上表征步数N的变化，通过加速度的输出值 检测出行走的步数;航向角可W通过角速度积分获取。
[0028] 实际应用中，在步长的计算中，需在定位之前通过实验获取行人不同步态下的相 关数据，训练获得参数，建立线性回归模型;在步数的判定中，应考虑到实际情况，设定加速 度幅值阔值和时间间隔阔值，且实时更新。
[0029] 步骤B、判断行人步态的变化：同一个线性回归模型并不适用于不同的行走模式， 将会带来较大的定位误差，因此在计算步长的同时，应当判断行人的行走模式，识别不同人 的步态变化;实验数据表明，静止、行走、跑步Ξ种行走模式下，合加速度方差的数值差异较 为明显;通过设定加速度方差的阔值可用来判断行人的行走模式;此外，"零速度检测"阶段 可采用基于合加速度、合加速度方差和角速度值的多条件判断方法，精度较高。
[0030] 实际应用中，根据步骤A1实验获取的行人步态数据，可W设定合加速度方差的阔 值，用W判断行走和跑步的步态变化;在判断"零速度"时，"立条件"阔值的设定是实验通过 大量