[发明专利]一种基于双向滤波平滑技术的步进式行人导航方法

说明书

技术领域

本发明涉及行人导航定位技术领域，尤其涉及一种基于双向滤波平滑技术的步进式行人导航方法。

背景技术

目前，市场上基于GPS技术的定位设备发展迅速，市场占有率呈逐年上升趋势。但GPS技术易受工作环境的干扰，只适于室外没有遮挡的开阔环境，在室内、丛林、井下和洞穴等区域存在导航盲区，无法正常工作。因此，基于惯性传感器的行人导航技术得到了快速的发展，主要用于确定行人的实时位置和记录行人的行走轨迹，实现行人定位和导航的功能。

近年来，随着微机电(Micro-Electro-Mechanical Systems，MEMS)技术的不断发展，基于MEMS技术的惯性传感器(Inertial Measurement Unit，IMU)也有了很大的改进。MEMS IMU具有体积小、质量轻、功耗低、响应快、成本低、灵敏度高等优点，成为穿戴式行人导航技术的理想选择。

但是，市场上常见的MEMS IMU的精度大致在商业级和战术级水平，存在多种随机误差和系统误差。而惯导技术是一种相对定位技术，导航误差具有随时间不断积累的特点。若单独基于MEMS IMU进行纯惯导解算，导航结果的位置误差会以导航时间三次方的趋势迅速发散，严重偏离实际位置，使系统逐渐丧失导航功能，最终导致导航任务失败。这种固有的误差发散特性，使得MEMS IMU在实际的导航应用中受到很大的限制，其应用价值一度受到质疑。因此，在目前MEMS IMU技术的发展水平下，对导航误差的处理就显得异常重要。

基于MEMS IMU的行人导航系统(Personal Navigation System，PNS)是在传统捷联惯导系统(Strapdown Inertial Navigation System，SINS)的基础上，利用人体行走时足部运动特有的周期特性，通过零速校正(Zero Velocity Updates，ZUPT)算法，实现导航误差的估计和校正。基于卡尔曼滤波器(Kalman Filter，KF)的零速校正算法，充分利用了速度与姿态和位置之间的耦合关系，在消除速度误差的同时，可以估计和校正包含姿态误差和位置误差在内的更多其他导航误差。而基于单独前向卡尔曼滤波器的零速校正算法只在每个步态周期的支撑相内进行误差估计和校正，无法对摆动相内的误差进行及时有效的估计和校正，导致摆动相内系统处于自由导航模式，导航误差迅速积累和传播，未得到任何有效地抑制和约束，而且会在系统从摆动相过渡到支撑相时引起导航信息的突变，导致导航状态的不连读，尤其是当步态周期的支撑相不能被正确检测时，导航信息的突变更加明显，导致所估计的导航状态偏离其真实值。若加入平滑处理算法，又会引入算法延时，增加算法的时间复杂度，加大对存储空间的需求。

发明内容

由于现有技术中基于单向闭环卡尔曼滤波器的零速校正算法，只在每个步态周期的支撑相内进行误差估计和校正，无法对摆动相内的误差进行估计，在从摆动相过渡到支撑相时会引起导航信息的突变，尤其是当步态周期的支撑相不能被正确检测时，导航信息的突变更加明显，导致行人导航方法所估计的导航状态严重偏离其真实值。因此，本发明提出了一种基于双向滤波平滑技术的步进式行人导航方法，来提行人导航方法的精确性、鲁棒性和平滑性。

双向滤波平滑算法由前向卡尔曼滤波算法和后向固定区间平滑算法构成，在实际的准实时应用中，前向滤波与后向平滑分开执行。以每个步态周期为区间，先执行前向卡尔曼滤波算法，再执行后向固定区间平滑算法。虽然后向平滑算法需要对整个步态周期内的误差进行逐点平滑估计，但为了确保传感器采样数据的连续性，所有误差估计、平滑和校正的操作只能在传感器连续两次数据采样之间的采样间隔内进行，即误差处理时间受限于传感器的采样频率和行人的行走步频。然而后向平滑算法的引入，需要保存前向滤波的状态估计值、状态估计误差协方差矩阵、状态转移矩阵和观测矩阵等，加大了对内存的需求，增加了算法的复杂度和计算量，延长了误差估计和校正的时间。因此，基于MEMSIMU的行人导航方法有三个关键问题亟需解决：

1、引入后向平滑技术进行准实时的误差估计；

2、简化滤波平滑模型匹配传感器的采样频率；

3、划分步态时相确定滤波平滑算法的执行区间。

本发明提供的基于双向滤波平滑技术的步进式行人导航方法综合利用了捷联惯导算法、零速校正算法、卡尔曼滤波算法和固定区间平滑算法，采用前馈加反馈的复合控制策略和基于双向滤波平滑技术的误差估计方法，具有前向、后向、再前向三个步进式算法通道，构成了一个包含开环控制和闭环控制的复合控制系统。