[发明专利]基于MEMS惯性测量单元的纯惯性车辆导航方法

权利要求书

1.一种基于MEMS惯性测量单元的纯惯性车辆导航方法，其特征在于，包括：

MEMS惯性测量单元获取角速度和加速度数值并存储，

每一角速度和加速度数值经过高频惯导解算输出第一导航信息，

存储一定时间的角速度和加速度数值经过低频导航状态量计算输出第二导航信息，

第一导航信息和第二导航信息进行相减，获得导航信息误差后，作为卡尔曼滤波观测量进行卡尔曼滤波，获取导航信息误差估计值，

导航信息误差估计值校正第一导航信息后输出校正后的导航信息；

所述低频导航状态量计算输出第二导航信息具体为获取车辆不同行驶状态下的导航状态量估计值，其中车辆不同行驶状态通过以下步骤划分：

设定一阈值，基于存储的一定时间内航向陀螺的输出角速度均值的绝对值判断车辆行驶状态：若绝对值小于阈值，则车辆处于直行或静止状态，否则车辆处于转弯状态；

对车辆处于静止或直行状态时，由存储的MEMS惯性测量单元输出信息获取MEMS惯性测量单元输出的特征量，然后采用基于线性核函数的硬阈值SVM再次进行分类。

2.根据权利要求1所述的方法，其特征在于，所述特征量包括

三轴加速度计输出的模值

x轴方向加速度计输出信息

x轴方向加速度和角速度对应频域信号的幅值均值

其中，f_x(i)为i时刻x轴加速度计的输出，f_y(i)为i时刻y轴加速度计的输出，f_z(i)为i时刻z轴加速度计的输出，m、n分别为一定时间的起止时间，k-1＝m-n，|X_f(i)|为第i个频率下信号的幅值，为x轴方向加速度频域上第i个频率信号的幅值，为x轴方向角速度频域上第i个频率信号的幅值。

3.根据权利要求1所述的方法，其特征在于，所述基于线性核函数的硬阈值SVM进行分类训练具体包括：

由训练样本数组建立特征向量数组、训练样本数组及训练样本标签数组，其中训练样本数组为带标签的样本数组，不同车辆状态的训练样本标签分别为1和-1，1代表车辆静止时采集数据的样本标签，-1代表车辆运动时采集数据的样本标签；

假设p为标签为1的样本数，s-p为标签为-1的样本数，y_i为i个样本的标签值训练获取下列公式组中的向量w和b，其中V_i为第i个样本的特征向量数组，

基于求解拉格朗日方程获取唯一w和b值。