基于MEMS的室內(nèi)定位誤差修正方法研究

朱彩杰，趙冬青，楊 洲

(1.信息工程大學(xué)，河南 鄭州 450000；2.鄭州聯(lián)睿電子有限公司，河南 鄭州 450000)

基于MEMS的室內(nèi)定位誤差修正方法研究

朱彩杰1，趙冬青1，楊 洲2

(1.信息工程大學(xué)，河南 鄭州 450000；2.鄭州聯(lián)睿電子有限公司，河南 鄭州 450000)

根據(jù)室內(nèi)慣性定位存在誤差累積的特點(diǎn)，建立廣義似然比檢測(cè)的方法進(jìn)行零速度檢測(cè)，利用Kalman濾波對(duì)檢測(cè)到的“零速度”時(shí)刻進(jìn)行零速修正(zero velocity update, ZUPT)，從而有效降低系統(tǒng)累積誤差。但行人行走過(guò)程中存在的無(wú)效振動(dòng)，導(dǎo)致測(cè)得的加速度和角速度數(shù)據(jù)中出現(xiàn)明顯的噪聲，這對(duì)長(zhǎng)時(shí)間定位精度產(chǎn)生較大的影響。文中提出在利用Kalman濾波進(jìn)行誤差校正之前首先采用Butterworth低通濾波濾除加速度和角速度數(shù)據(jù)中由無(wú)效振動(dòng)引起的高頻部分，即噪聲部分，從而消除行人運(yùn)動(dòng)過(guò)程中的無(wú)效振動(dòng)對(duì)定位精度的影響。

MEMS；室內(nèi)定位；零速修正；無(wú)效振動(dòng)修正；修正方法

隨著數(shù)據(jù)業(yè)務(wù)和多媒體業(yè)務(wù)數(shù)據(jù)的增長(zhǎng)，人們對(duì)定位與導(dǎo)航的需求日益增加，導(dǎo)航定位與社會(huì)的生產(chǎn)生活息息相關(guān)，室外的導(dǎo)航定位可以借助于全球衛(wèi)星導(dǎo)航系統(tǒng)(GPS)與接收機(jī)之間的直接通信完成，但是室內(nèi)環(huán)境尤其在復(fù)雜的室內(nèi)環(huán)境下，如機(jī)場(chǎng)大廳、展廳、超市、圖書館、地下停車場(chǎng)、礦井等環(huán)境中，由于建筑物墻壁的遮擋，GPS信號(hào)無(wú)法穿透，因此利用GPS無(wú)法完成室內(nèi)定位。當(dāng)前出現(xiàn)許多室內(nèi)定位技術(shù)及方案，如AGPS(輔助GPS)、紅外線、超聲波、藍(lán)牙、WiFi、ZigBee、RFID、UWB、視覺(jué)定位、LED燈光定位及慣性導(dǎo)航(Inertial Navigation System, INS)。其中基于INS的室內(nèi)定位隨著微機(jī)電芯片(MEMS)技術(shù)工藝的不斷提升和價(jià)格優(yōu)勢(shì)成為近年來(lái)常用的室內(nèi)定位技術(shù)，由于慣性器件(加速度計(jì)和陀螺儀)誤差和導(dǎo)航過(guò)程中所采用的重力場(chǎng)模型誤差的存在[1]，而且這些誤差使得慣性導(dǎo)航系統(tǒng)的定位誤差隨時(shí)間累積。因此，在慣性定位技術(shù)中，研究誤差來(lái)源及消除誤差影響成為一大熱點(diǎn)。

目前，針對(duì)室內(nèi)慣性導(dǎo)航系統(tǒng)研究較為成熟的有：瑞典皇家工學(xué)院信號(hào)處理實(shí)驗(yàn)室的John-Olof Nilsson于2012年提出開(kāi)源、實(shí)時(shí)的鞋綁式零速修正的慣性導(dǎo)航系統(tǒng)，該系統(tǒng)取得較短時(shí)間的高精度定位，但其樣本造價(jià)較高，實(shí)用方面具有一定的局限性，且未對(duì)長(zhǎng)期的定位精度進(jìn)行研究[2]。西北工業(yè)大學(xué)的張金亮根據(jù)人行走時(shí)加速度的統(tǒng)計(jì)特性，設(shè)計(jì)一種比力模值+滑動(dòng)方差的零速檢測(cè)算法[3]，校正慣性導(dǎo)航系統(tǒng)中的累積誤差，有效提高定位精度；廈門大學(xué)的楊輝提出一種零速修正更新方法[4]，實(shí)現(xiàn)在較遠(yuǎn)距離的情況下，系統(tǒng)仍能收斂并提供較高的定位精度。以上研究仍然不能通過(guò)零速修正完全消除誤差累積對(duì)定位精度的影響，而且缺少對(duì)行人不同路徑條件下定位精度的研究，未考慮安裝在足部的慣性導(dǎo)航系統(tǒng)在行走過(guò)程中，受到無(wú)效振動(dòng)對(duì)定位精度的影響。

針對(duì)這一問(wèn)題，根據(jù)行人步行的特點(diǎn)及慣性器件輸出的數(shù)據(jù)信息，本文采用3階Butterworth低通濾波對(duì)導(dǎo)航數(shù)據(jù)進(jìn)行處理，濾除由無(wú)效振動(dòng)引起的噪聲，然后利用廣義似然比檢測(cè)的方法檢測(cè)出零速度時(shí)刻，并將該時(shí)刻的速度信息當(dāng)作系統(tǒng)的速度誤差，通過(guò)Kalman濾波對(duì)獲取的信息進(jìn)行修正[5]，進(jìn)而實(shí)時(shí)地獲取載體的位置、速度和姿態(tài)等狀態(tài)信息。實(shí)驗(yàn)證明該方案能夠取得較單獨(dú)使用Kalman濾波更優(yōu)的定位精度。

1 基于MEMS的行人運(yùn)動(dòng)模型修正方法

足部慣導(dǎo)是眾多慣性導(dǎo)航中的一種實(shí)施方式，它將MEMS固定于行人腳踝、足趾等部位，依據(jù)慣性傳感器實(shí)時(shí)采集的行人運(yùn)動(dòng)參數(shù)如加速度、角速度和航向等信息來(lái)解算行人的運(yùn)動(dòng)狀態(tài)，行走距離、速度和方向，從而完成定位和導(dǎo)航。

1.1 零速修正

將慣性器件安裝在行人腳背上，通過(guò)行人運(yùn)動(dòng)可獲得加速度和角速度信息，根據(jù)輸出的加速度和角速度的變化特征，行人每步均可近似為一個(gè)“加速-減速”的變化過(guò)程[6]，如圖1所示。

圖1 行人運(yùn)動(dòng)模型

根據(jù)行人行走過(guò)程中，腳著地時(shí)刻速度趨于零的特點(diǎn)，利用測(cè)得的加速度和角速度信息對(duì)誤差進(jìn)行校正，即零速修正，如圖2所示。它是充分利用零速時(shí)刻的信息，采用Kalman濾波對(duì)狀態(tài)信息進(jìn)行校正，可以對(duì)慣性導(dǎo)航系統(tǒng)誤差累積起到有效的限制約束。

根據(jù)行人運(yùn)動(dòng)模型的特點(diǎn)，將MEMS設(shè)備安裝在行人的鞋上，與鞋體運(yùn)動(dòng)實(shí)時(shí)同步。行人導(dǎo)航系統(tǒng)的導(dǎo)航算法在傳統(tǒng)捷聯(lián)慣性導(dǎo)航算法基礎(chǔ)上[7]，采用腳著地零速時(shí)刻的信息對(duì)行人慣性導(dǎo)航過(guò)程中的狀態(tài)信息進(jìn)行校正。

圖2 加速度與角速度的測(cè)量值

從圖2中的加速度和角速度測(cè)量值可以看出，在零速度時(shí)刻，三軸方向的角速度均為零，而三軸方向的加速度不全為零，矢量和為g。在地理坐標(biāo)系中，設(shè)測(cè)量的重力加速度為fg，載體坐標(biāo)系中，X，Y，Z軸上的分量為xg，yg，zg，建立重力加速度分別在載體坐標(biāo)系和地理坐標(biāo)系中表示的關(guān)系式[8]，即

(1)

利用最大似然估計(jì)的方法，根據(jù)此時(shí)的加速度和角速度的幅值是否在給定閾值內(nèi)進(jìn)行判斷[9]，即

(2)

利用廣義似然比檢測(cè)的方法，檢測(cè)出零速度時(shí)刻，并將該時(shí)刻的速度信息，作為速度誤差，利用Kalman濾波計(jì)算出狀態(tài)增量，進(jìn)而對(duì)狀態(tài)信息進(jìn)行修正[10]。

建立卡爾曼濾波模型,狀態(tài)方程為

(3)

式中：Xk為系統(tǒng)k時(shí)刻的狀態(tài)量；Fk/k-1是系統(tǒng)k時(shí)刻的狀態(tài)轉(zhuǎn)移矩陣；BkUk為系統(tǒng)外部控制模型；Γk-1為系統(tǒng)噪聲增益矩陣，代表從k-1時(shí)刻到k時(shí)刻，系統(tǒng)噪聲分別影響k時(shí)刻系統(tǒng)各個(gè)狀態(tài)的程度；Wk-1是k-1時(shí)刻的系統(tǒng)噪聲。

量測(cè)方程為

(4)

式中：Hk為系統(tǒng)k時(shí)刻的觀測(cè)矩陣；Vk是k時(shí)刻的觀測(cè)噪聲。濾波處理過(guò)程中，系統(tǒng)噪聲和觀測(cè)噪聲均設(shè)為高斯白噪聲[11]，在不存在系統(tǒng)外部控制模型的情況下，檢測(cè)到的零速時(shí)刻的速度即為速度誤差，因此測(cè)量信息為零減去系統(tǒng)速度輸出，即-vn，可得

(5)

更新后的狀態(tài)信息為

(6)

其中，Kn為卡爾曼增益矩陣。

本文采用的卡爾曼濾波選取9維狀態(tài)向量作為系統(tǒng)的狀態(tài)向量，其中包括三維位置估計(jì)pn，三維速度估計(jì)vn和三維姿態(tài)角估計(jì)Φn，即

系統(tǒng)狀態(tài)協(xié)方差矩陣P、狀態(tài)噪聲協(xié)方差陣Q和測(cè)量噪聲協(xié)方差矩陣R分別為

P=diag(diag(10-10(1,1,1)),diag(10-10(1,1,1)),

Q=diag(diag(0.52,0.52,0.52),diag((0.5π)2,

R=diag(0.012,0.012,0.012).

在采用廣義似然比檢測(cè)出零速度時(shí)刻的基礎(chǔ)上，零速修正可有效降低慣性導(dǎo)航中的累積誤差的影響。

1.2 無(wú)效振動(dòng)修正

由于行人運(yùn)動(dòng)過(guò)程中受到的無(wú)效振動(dòng)(即高頻噪聲)的影響，需要采用低通濾波來(lái)消除這部分噪聲的影響。

目前，常見(jiàn)的低通濾波有Butterworth濾波、切比雪夫?yàn)V波及橢圓型濾波，根據(jù)不同濾波自身存在的特點(diǎn)，并結(jié)合實(shí)際需要選擇合適的濾波來(lái)對(duì)獲取的信號(hào)進(jìn)行處理[12]。與其它低通濾波相比，Butterworth濾波在通頻帶內(nèi)的頻率響應(yīng)曲線最大限度平坦，沒(méi)有起伏，在阻頻帶逐漸下降為零，在通帶內(nèi)，Butterworth濾波是無(wú)衰減的，而切比雪夫?yàn)V波較同級(jí)數(shù)的Butterworth濾波有較大的衰減量。故本文采用Butterworth濾波濾除導(dǎo)航數(shù)據(jù)中的高頻部分。

審美教育在小學(xué)語(yǔ)文中的逐步滲透，不僅僅是素質(zhì)教育的硬性要求，它更多體現(xiàn)的是人類教育文明的全面發(fā)展，也是對(duì)新一代健全人格塑造的極致追求。所以，小學(xué)語(yǔ)文在培養(yǎng)全面發(fā)展的人的方面有著不可替代的重要作用，希望今后我們?cè)诹⒆阕陨砉ぷ鲘徫坏幕A(chǔ)上結(jié)合實(shí)際教學(xué)經(jīng)驗(yàn)以及教學(xué)情況，創(chuàng)設(shè)出更多優(yōu)秀、高效的小學(xué)語(yǔ)文教學(xué)中滲透審美教育的方式方法，為我國(guó)教育事業(yè)的發(fā)展貢獻(xiàn)力量。

Butterworth低通濾波模平方函數(shù)[13]為

(7)

Butterworth濾波中各項(xiàng)技術(shù)指標(biāo):ρp為通帶衰減；σs為阻帶衰減；Ωp為通帶截止頻率；Ωs為阻帶截止頻率。

按照指定的技術(shù)指標(biāo)確定階次

(8)

根據(jù)行人的步頻可采用截至頻率為3 dB。因此，階次的取值為3，然后利用3階Butterworth濾波處理設(shè)備輸出的導(dǎo)航信息[14]。

2 實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)方案

實(shí)驗(yàn)設(shè)備選取JY901 10軸MEMS模塊，包括三軸加速度計(jì)、三軸陀螺儀(MPU6050)、三軸磁力計(jì)(HMC5883L)和氣壓計(jì)，采用的地理坐標(biāo)系為“東-北-地”， 如圖3所示。

實(shí)驗(yàn)場(chǎng)所選在某建筑物大廳走廊和AB棟之間銜接處弧形走廊，包括建筑物內(nèi)部區(qū)域的回型路徑和S型路徑。實(shí)驗(yàn)中按照大小為8.4 m×14.4 m的回型路徑行走兩圈，較長(zhǎng)邊是13.2 m和較短邊長(zhǎng)7.2 m的S型路徑行走往返兩圈。數(shù)據(jù)采集時(shí)，將模塊固定于腳背，數(shù)據(jù)采用RS232串口將數(shù)據(jù)傳輸至存儲(chǔ)設(shè)備。

圖3 JY901 10軸模塊及坐標(biāo)軸定義

2.2 實(shí)驗(yàn)結(jié)果與分析

首先進(jìn)行未加任何修正的實(shí)驗(yàn)，分別按照回型路徑和S型路徑進(jìn)行行走，實(shí)驗(yàn)結(jié)果如圖4所示。

由圖4可以看出：由于行人的位置信息是由加速度經(jīng)二次積分得到，故位置的漂移誤差被二次放大，行人的軌跡已遠(yuǎn)遠(yuǎn)偏離實(shí)際路線，由此可知，誤差校正是很有必要進(jìn)行的。

文中采用廣義似然比檢測(cè)方法檢測(cè)出零速時(shí)刻，然后根據(jù)該時(shí)刻的信息利用Kalman濾波進(jìn)行誤差校正，修正狀態(tài)信息，實(shí)驗(yàn)結(jié)果如圖5所示。

圖4 未經(jīng)過(guò)任何修正的結(jié)果

圖5 僅經(jīng)誤差校正，未通過(guò)低通濾波處理結(jié)果

從圖5的軌跡可以看出：經(jīng)過(guò)Kalman濾波進(jìn)行零速修正后，行人的運(yùn)動(dòng)軌跡與真實(shí)的路徑基本相符，極大地改善未經(jīng)零速修正時(shí)的結(jié)果。但圖5的軌跡間仍存在一定的偏差。分析實(shí)驗(yàn)過(guò)程可知，這種偏差是由于行人在行走過(guò)程中，無(wú)效振動(dòng)引起加速度和角速度數(shù)據(jù)中存在噪聲，導(dǎo)致經(jīng)零速修正后的定位結(jié)果仍存在著偏移。為消除無(wú)效振動(dòng)的影響可采用Butterworth低通濾波進(jìn)行處理，實(shí)驗(yàn)結(jié)果如圖6所示。

從圖6可以看出：經(jīng)Butterworth低通濾波進(jìn)行處理后，高頻噪聲部分得到有效消除，定位偏差得到較大改善。

表1給出不同路徑條件下的Butterworth低通濾波處理前后誤差統(tǒng)計(jì)結(jié)果。

由表1可以看出：在不同路徑的測(cè)試條件下，經(jīng)過(guò)3階Butterworth低通濾波處理后，足部慣性導(dǎo)航的運(yùn)動(dòng)軌跡更加平滑，室內(nèi)定位精度也進(jìn)一步得到提升，路徑相對(duì)誤差由原來(lái)的3.8%～5.3%降低為3.2%～4.6%，閉合誤差由1.50～1.96 m降低為0.49～1.42 m，這表明該方案在任何路徑條件下均能達(dá)到較高定位精度，有效改善僅僅通過(guò)零速修正后存在的定位誤差。

圖6 經(jīng)低通濾波+誤差校正處理結(jié)果

表1 不同路徑條件下的誤差統(tǒng)計(jì)

3 結(jié)束語(yǔ)

1)采用MEMS進(jìn)行室內(nèi)定位過(guò)程中，選取合適的零速修正方法能夠有效提高定位精度。

2)根據(jù)行人運(yùn)動(dòng)模型的特點(diǎn)，采用低通濾波可以有效消除無(wú)效振動(dòng)對(duì)定位精度的影響，結(jié)合零速修正方法可以達(dá)到較長(zhǎng)時(shí)間較高精度的定位效果。

3)采用零速修正和低通濾波處理仍然不能完全消除誤差的影響，可以與其他定位技術(shù)相結(jié)合，進(jìn)行優(yōu)勢(shì)互補(bǔ)，以期達(dá)到更高的定位精度。

[1] 楊艷娟.捷聯(lián)慣性導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué),2001.

[2] NILSSON J O, SKOG I, HANDEL P, et al. Foot-mounted INS for Everybody-An Open-source Embedded Implementation. 2012 IEEE/ION Position Location and Navigation Symposium,2012:140-145.

[3] 張金亮，秦永元，梅春波.基于MEMS慣性技術(shù)的鞋式個(gè)人導(dǎo)航系統(tǒng)[J].中國(guó)慣性技術(shù)學(xué)報(bào),2011,19(3):253-256.

[4] 楊輝.基于MEMS傳感器的高精度行人導(dǎo)航算法研究[D].廈門：廈門大學(xué),2014.

[5] LIM Y P, BROWN I T, KHOO J C T. An Accurate and Robust Gyroscope-Based Pedometer[C]. 30th Annual International IEEE EMBS Conference Vancouver, British Columbia, Canada, August 20-24, 2008.

[6] 李辰祥.基于MEMS行人慣性導(dǎo)航的零速度修正技術(shù)研究[D].廈門：廈門大學(xué),2014.

[7] SKOG I, NILSSON J O, HANDEL P. Evaluation of Zero-Velocity Detectors for Foot-Mounted Inertial Navigation Systems[C].International Conference On Indoor Positioning and Indoor Navigation(IPIN),2010.

[8] 以光衢.慣性導(dǎo)航原理[M].北京：航空工業(yè)出版社，1987.

[9] 高鐘毓,王進(jìn),董景新,等.慣性測(cè)量系統(tǒng)零速修正的幾種估計(jì)方法[J].中國(guó)慣性技術(shù)學(xué)報(bào)，1995,3(2):24-29.

[10] JAYALATH S, ABHAYASINGHE N, MURRAY I. A Gyroscope Based Accurate Pedometer Algorithm[C]. International Conferece on Indoor Positioning and Navigation,2013,10:28-31.

[11] LIU Rong, ZHOU Jianzhong, LIU Ming, et al. A Wearable Acceleration Sensor System for Gait Recognition[C].Second IEEE Conference on Industrial Electronics and Applications,2007：2654-2660.

[12] LEE S W, MASE K. Recognition of Walking Behaviors for Pedestrian Navigation[C]. Proceedings of the 2001 IEEE International Conference on Control Applications. 2001,9:1152-1156.

[13] DOPPLER J, HOLL G, FERSCHA A, et al. Variability in foot-worn sensor placement for activity recognition[C]. International Symposium on Wearable Computers, 2009:143-144.

[14] 張榮輝,賈宏光,陳濤,等.基于四元數(shù)法的捷聯(lián)式慣性導(dǎo)航系統(tǒng)的姿態(tài)解算[J]. 光學(xué)精密工程，2008，16(10)：193-201.

[15] 姜朋.基于MEMS-IMU的捷聯(lián)式慣性導(dǎo)航系統(tǒng)技術(shù)與實(shí)現(xiàn)研究[D].哈爾濱：哈爾濱工程大學(xué)，2012.

[責(zé)任編輯：張德福]

A study of indoor positioning error correction method based on MEMS

ZHU Caijie1, ZHAO Dongqing1, YANG Zhou2

(1.Information Engineering University,Zhengzhou 450000,China；2.Zhengzhou Locaris Co.,Ltd,Zhengzhou 450000,China)

According to the accumulative error characteristics of the indoor inertial navigation, this paper exploits a generalized likelihood ratio detector to execute zero velocity detection. And then according to the moment of ‘zero velocity’ detected, Kalman filter is adopted to correct the accumulative errors (zero velocity update, ZUPT), thereby effectively reducing the system errors. However, because of the influence of invalid vibration during the pedestrians walking, it leads to the obvious noise in acceleration and angular velocity data, which has great influence on positioning accuracy for a long time. To address this concern, the paper adopts the order Butterworth low-pass filter to filter out noise (high frequency part) caused by invalid vibration among the navigation data before the zero velocity is updated (ZUPT) by Kalman filter.

MEMS; indoor positioning; ZUPT; invalid vibration correction; correction method

引用著錄：朱彩杰，趙冬青，楊洲.基于MEMS的室內(nèi)定位誤差修正方法研究[J].測(cè)繪工程，2017，26(5)：57-61.

10.19349/j.cnki.issn1006-7949.2017.05.012

2016-03-19

中國(guó)航天科技集團(tuán)公司衛(wèi)星應(yīng)用研究院創(chuàng)新基金

朱彩杰(1988-), 女, 碩士研究生.

P228

A

1006-7949(2017)05-0057-05