前語定位是感知運用的一個重要特點。在室內環境中，假如方位信息可用并十分牢靠，有更多的運用場景能夠完成的。行人航位核算(PDR) 就是這樣一種技能，在室內環境中可供給行人航位信息并進步定位牢靠性。慣性傳感器、磁力計和壓力傳感器是航位核算運用中必不可少的傳感器組件，用之可大幅提高導航功能，這些器件的功耗有必要極低，這樣才干始終保持敞開形式并供給數據用于航位核算運用。完成隨時隨地定位的方針離不開高質量的MEMS傳感器和高功能的行人航位核算算法。本文首要評論各種行人航位核算算法上需求用到的傳感器組件的數學表述，以及可用性和牢靠性更高的PDR行人航位核算算法的測驗成果。定位技能概述全球導航衛星體系(GNSS)接收器已成為室外導航處理方案的常用電子元器件，今日簡直每一臺智能手機內部都有一個這樣的衛星接收器芯片，可完成各種與方位相關的移動效勞，其間包含導航、愛好點查找和地圖。
用戶開端等待他們的設備在所有環境中都能供給方位信息，可是他們一般疏忽衛星信號是不能穿透商廈和候機樓的墻面和房頂這個事實。建筑材料會使全球導航衛星體系信號衰減變弱，即便高靈敏度接收器也無法在室內收到定位信息。現在業界正在開發不同的行人航位核算處理方案，大都選用無線發射器充任信標，運用三角丈量法核算接收器的方位。這些處理方案運用室內環境中的Wi-Fi接入點(AP)定位。類似的處理方案還包含運用藍牙發射器、GSM和其它手機發射器或專用信標，例如Nextnavfor室內定位設備。這些技能整合運用效勞器等基礎設施傳送的輔助GPS/GLONASS數據、星歷擴展數據和Wi-Fi接入點(AP)方位數據。此外，還有一種運用MEMS傳感器(加速度計、磁力計、陀螺儀和高度計)核算方位數據的室內導航技能。今日簡直所有的智能手機、平板電腦、數碼相機、健身產品等便攜消費電子產品都配有MEMS傳感器。
這些傳感器合作行人航位核算(PDR) 技能能夠斷定用戶方位。每項室內定位技能都有其利益和短板。數據整合依照定位精度和功耗要求，微控制器整合處理各類信息源送來的信息，然后將具有不斷定性的單一方位值供給給運用。運用信賴參數、相關參數和曩昔丈量數據核算每個方位，權衡Wi-Fi、藍牙、行人航位核算和全球導航衛星體系等多個技能送來的信息，數據整合算法在其間發揮著關鍵作用。在室外，全球導航衛星體系接收器送來的方位信息精度杰出，不斷定性低。當控制器運用的丈量數據是來自用戶鄰近的Wi-Fi接入點時，方位核算信號強度高，Wi-Fi體系送來的方位估測數據精度也就比較高(相關不斷定性低)。
不過，Wi-Fi接入點數據庫(包含Wi-Fi接入點方位數據及其不斷定性數據)的質量也會影響定位精度。PDR行人航位核算不依賴任何外力幫忙，無需任何外部基礎設施合作，就能發生準確的相對方位定位信息。因而，其特點與肯定定位技能優勢互補，例如，全球導航衛星體系或根據Wi-Fi的導航體系。因而，PDR行人航位核算適用于混合體系，能夠在室內環境斷定用戶方位，定位的準確度、可用性和牢靠性更高。
行人航位核算移動設備中的MEMS傳感器因遭到數據漂移和噪聲的影響，會引起根據積分運算辦法的傳統慣性導航體系呈現難以處理的位移和姿勢差錯。在行人航位核算運用中，傳統積分運算導航辦法作用不抱負，由于與人體運動相關的雜亂動力學很難建模，將其用于運算有不小的難度。
在曩昔十年中，業界首要開宣布兩種很有遠景的室內環境行人導航辦法，一種在參閱文獻[1]論說的根據零速率更新的INS-EKF-ZUPT (IEZ)慣導辦法，另一種是包含腳步檢測、步長預算和航向算法的根據人類步行動力學的慣導辦法。根據零速率更新的(ZUPT)的辦法根據一個假定和一個物理現象，即假定慣性傳感器是安裝在腳上，且每邁出一步后都是暫時停止狀況。本文首要評論通用性更強的辦法。從通用導航方程式[2]能夠推出行人航位核算進程的數學表述。在進行兩次積分運算后，渠道加速度變成了北東坐標系的方位，能夠寫為：
方程式1
其間，(t)是位移，(t)是航向。在行人腳步間隔期間，假定速度和航向是常量。考慮到折線法，方程式1可改寫成：
方程式2
方程式2表述航位核算(DR)算法，該辦法是根據步數核算，而不是加速度和角速率的積分運算。方程式2的航位核算進程有三個要素：1)在t-1 (Et-1, Nt-1)時終究一次已知的用戶肯定方位(用東北坐標系表明)；2)從t-1到t(3.png)的步長；3)從時刻t-1開端的航向 (ψ) 能夠算出新方位相對已知方位(Et-1, Nt-1)的坐標(Et, Nt)，如方程式2所示。咱們仔細觀察方程式2不難發現，行人航位核算精度取決于兩個要素：1)行走間隔的核算，2)用戶航向(或方向)在行人航位核算原理中，行走間隔的核算辦法是檢測預算行人每行走一步的步長，然后累計步長預算值。準確地預算全球用戶的步長是一項具有挑戰性的使命。現在業界開宣布了多個步長準確預算模型，見參閱文獻[3][4]。圖1所示是含有各種組件的行人航位核算體系框圖。慣性傳感器數據通過校準監督邏輯處理，以保持對加速度計和陀螺儀丈量差錯和標度系數的準確預算。磁強計數據通過校準監督模塊處理，以決定是硬鐵參數仍是軟鐵參數。磁力計數據監督的另一個意圖是斷定丈量數據有無磁性攪擾數據，避免磁攪擾影響校準參數。
圖 1 行人航位核算框圖
腳步檢測算法運用形式匹配法與人類步態模型特征匹配。加速度形式跟著設備帶著方位（褲子口袋、腰帶包、襯衫口袋）不同而改變。載物方位斷定模塊用于斷定設備常用寄存方位，例如，手里拿著擺臂走路；舉在頭部鄰近，放在褲子口袋、襯衫口袋、腰帶包、雙肩背包里。用戶航向是行人航位核算方程式的第二個術語，包含設備航向和用戶行走方向。核算設備航向需求運用通過歪斜批改的羅盤丈量值。不過，由于外部磁擾會影響羅盤的功能，完全依賴羅盤的丈量值不現實，這是咱們選用一個數據整合濾波器又稱姿勢濾波器，整合磁力計、陀螺儀和加速度計數據的首要原因。姿勢濾波器能夠核算設備在人體坐標系相對大地參閱坐標系的方向。由于這個數學表達式比較緊湊，所以設備方向用四元數表明，與Euler視點或 9 X 9 方向矩陣比較，四元數更具有數字穩定性。姿勢濾波器根據擴展卡爾曼濾波器(EKF)概念，以處理外部磁場強度不斷改變和用戶在常用情況下導致的設備動態運動對航向的影響。由于航向對整體定位精度的影響巨大，所以有必要仔細考慮傳感器隨機噪聲、差錯、差錯不穩定性、非線性以及其它的可能下降體系功能的要素。低噪聲磁力計的重要性在3-D空間正常旋轉設備時，傳感器各軸受地磁場強矢量影響，咱們運用此刻收集到的丈量數據核算磁強計校準參數(硬鐵和軟鐵)。偏移預算精度與磁強計數據中的噪聲信號直接關聯。假如磁力計的噪聲十分高，偏移預算精度將會變差，終究將會影響航向預算成果。偏移預算差錯對高緯度區域定準更加重要，由于高緯度區域磁場水平場強較弱。即便在水平場強中等區域，1 ?T偏移差錯能夠引起5度的航向差錯，這關于行人航位核算運用是一個不小的差錯。行走視點斷定姿勢濾波器用于核算設備在身體坐標系內的航向。不過，設備可能隨意置于用戶身體某一方位，姿勢濾波器航向與用戶航向或行走方向并不共同，如圖2所示。
圖2行走方向
行走視點α的核算運用了行人運動的身體特征以及加速度波形的周期特征和統計學。測驗成果咱們選用加速度計和陀螺儀模塊(LSM6DSM)、磁強計(LSM303AGR)和壓力傳感器(LPS22HB)和STM32微控制器開宣布一個行人航位核算處理方案，這個由傳感器、微控制器和藍牙組成的硬件參閱設計叫做SensorTile? (概況拜訪www.ST.com)，能夠運用一個安卓運用在手機上實時顯現行人航位核算軌道輸出。六軸傳感器LSM6DSM(加速度計 + 陀螺儀)正常作業形式下功耗小于400 ?A。在這個傳感器模塊內，陀螺儀的角速率噪聲密度為3.8 mdps /√Hz。加速度計噪聲密度為90 ?g /√Hz。磁力計的RMS噪聲為3 mGauss，選用AMR技能，無溫度漂移問題，在高分辨率形式下，作業電流小于200 ?A。壓力傳感器RMS噪聲為0.0075 hPA，溫度漂移0.1 hPa。上文描繪的傳感器的噪聲特性和偏移穩定性，合作穩健牢靠的高功能行人航位核算算法，能夠完成隨時隨地定位的方針。下圖3所示是某些常用場景行走測驗軌道。
手機掃描二維碼
