基于惯性数据的行人航位推算模型(3)

菜单

图 4-2 卡尔曼滤波算法工作流程 34

图 4-3 载体坐标系下的加速示意图 37

图 4-4 导航坐标系下的加速度示意图 38

图 4-5 有/无卡尔曼滤波处理的航向角示意图 39

图 4-6 自解算航向角与真值的差值示意图 39

图 4-7 卡尔曼滤波处理后航向角与真值的差值示意图 40

图 4-8 无卡尔曼滤波的平面合速度示意图 41

图 4-9 有卡尔曼滤波的平面合速度示意图 42

图 4-10 无卡尔曼滤波的平面轨迹示意图 42

图 4-11 有卡尔曼滤波的平面合速度示意图 43

图 4-12 卡尔曼滤波处理后的中误差示意图 44

图 4-13 无卡尔曼滤波处理的中误差示意图 44

表清单

表序号表名称页码

表 3-1 不同窗口长度四种零速检测方法结果表 21

表 3-2 窗口为 20 时的三次实验结果表 24

1 绪论

1.1 背景与意义

随着互联网技术的快速发展，泛在定位与位置大数据的提出[1]，越来越多的注意集中在定位上。人们对于各种定位产品和基于定位的服务需求量正在快速增加，诸如现在用手机查找饭店、商店、加油站、银行以及交通信息等都必须基于各种位置信息。而在一些灾难现场为了实施快速救援，就必须在保证无论在什么情况下都能获取到遇难者的位置，因此需要发挥定位技术的作用。对于导弹的制导，飞机和船舶的导航等方面，导航与定位技术依旧发挥着巨大的作用。因此，导航与定位的研究具有十分广阔的应用前景。

泛在定位要求用户在任何地点、任何时间，可以利用多种感知技术来感知目标位置、环境及其变化的活动[2]。室外定位一般采用全球卫星导航系统（Global Positioning System, GPS)来完成，已经发展地比较成熟。GPS 具有成熟完备，全天时，全天候，可以提供高精度的三维位置和速度信息的优势，并且在军事、航空、经济建设和科学研究等各个领域发挥着重要作用。但是在森林、山区、城市峡谷和建筑物内部，由于 GPS 卫星信号容易受到遮挡或干扰，导致信号减弱甚至接收不到信号，达不到导航与定位的需求。而且导航结果的数据更新率低、没有姿态信息的输出[3]，因此 GPS 在室内等信号弱的环境下，无法满足泛在定位为用户实时提供位置服务的要求。文献综述

随着无线通信网络和电磁波技术的快速发展和技术革新，无线网络迅速在各种在室内环境中普及，因此相继出现了一些基于无线定位网络辅助的室内定位技术诸如射频识别（Radio-frequency identification ，RFID)定位技术[4]，超声波定位技术[5]，ZigBee 定位技术[6]，蓝牙（Bluetooth)定位技术[7]，超宽带（Ultra Wideband，UWB)[8]等。但是，由于室内环境复杂多变，电磁波容易受到室内行人自身活动和摆放物体的影响而发生反射、折射，产生多路径效应等影响，并且需要大量的资金投入，难以大规模的推广。因此，为了实现室内外无缝定位，迫切需要一种能够在 GPS 难以工作的环境下提供精确定位服务，而基于惯性导航技术的行人航位推算是解决这个问题的一种有效方法。