gps禁区低成本mems行人导航技术

抽象的

微电机械系统（MEMS）传感器的进展规模，成本，重量和功耗允许导航领域的新研究机会。如今，大多数智能手机，平板电脑和其他手持设备都与任何导航系统（如GPS，陀螺仪，加速度计，磁力计和压力传感器）完全填充所需的传感器。对于无缝导航，传感器的信号质量和传感器可用性是主要的挑战。标题估计是GPS拒绝环境中的根本挑战;因此，定位准确的姿态估计被认为是对整个导航误差的显着贡献。为此，该研究通过开发传感器融合技术来利用陀螺仪，磁力计和加速度计数据来实现改进的行人导航，以利用基于四元线机械化的不同环境中的设备姿态估计来实现陀螺仪，磁力计和加速度计数据。结果表明，在恶劣环境中，行驶距离和前线估计的改进能够将整个位置误差降低到小于15米。

1.介绍

个人导航需要免受信号障碍物和衰落的技术。其中一个主要挑战是在不同环境中获得一个良好的标题解决方案，以及没有外部绝对参考信号的不同用户位置。这一挑战的一部分出现了典型手持式用户的复杂性和运动自由，其中标题可观察性在低速行走中显着降低，使得这个问题更具挑战性。但是，对于短暂的时期，相对态度和标题信息非常可靠。需要最小的基础设施的自包含系统，例如惯性测量单元（IMU），作为可行的选择，因为行人导航不仅专注于户外导航，而且在室内导航方面。

如今，大多数智能手机都是可编程的，并且配备了自给自足的、低成本的、小尺寸的、节能的传感器，如磁力计、陀螺仪和加速度计。因此，集成imu导航解决方案与基于磁力计的航向可以在所有环境下的行人导航中发挥重要作用。在目前的MEMS技术中，陀螺仪的精度不足以在较长的时间内获得绝对航向或相对航向。然而，在短期内，相对姿态信息是相当可靠的。另一方面，磁力计一旦校准就能提供绝对航向信息。然而，它们很容易受到附近的铁物体的干扰，使它们在短时间内不可靠。这就需要研究互补传感器(如陀螺仪和磁力计)的航向误差的可能来源，并基于改进的卡尔曼滤波器设计来提高结果的精度。

近年来，已经进行了对个人定位申请的标题估计的许多研究。有些方法专门用于标题估计的磁力计[1]而其他人将它与IMU紧紧地整合[2那3.］．基于这一原理的一种商用个人定位系统是霍尼韦尔(Honeywell)生产的航位推算模块DRM-4000 [4.］．提出了一种基于四元数的IMU与磁强计集成方法[5.］．采用三个体角速度和四个四元数元素来表示姿态，并选择作为卡尔曼滤波的状态。该方法需要对物体的角运动进行建模。在[6.[基于表达局部帧错误的欧拉角误差的线性系统误差模型是开发的，得到了​​相应的系统观察模型。所提出的方法不需要建模系统角运动，并且还避免了通常使用的方法固有的非线性问题。[7.其中角度率被建模为常数。研究了欧拉角集成运动学的非线性衍生方程在[8.］．在[9.那10.[呈现了基于欧拉角度误差的方法，以将IMU与磁力计数据集成，其中三个欧拉角误差和三个陀螺偏压用作卡尔曼滤波器的状态。估计的状态用于校正欧拉角度并分别补偿陀螺仪漂移。[11.通过创建用于标题校正的先验查找表来呈现用于罗盘偏差的数学模型。通过[筛选Kalman过滤方法12.[估计来自磁力计罗盘和三个陀螺仪的输入的角度旋转。参考 [13.那14.[呈现了具有改进的最小二乘技术，用于估计罗盘偏差模型。此外，还进行了许多研究，以便在近年来使用基于3D磁力计的标题进行个人导航应用[15.］．

磁力计不能用作标题信息在恶劣环境中的标题，特别是室内[16.］．此外，需要了解来自一些人造基础设施的预先存在的磁异常的知识[17.］．利用磁场测量进行室内导航航向估计也存在一定的局限性，因为磁场信号要求足够强。此外，移动导航设备应远离任何扰动源，以避免任何扰动效应[18.］．此外，由于电子和电气设备的存在，室内环境中的磁场并不是完全恒定的。为了避免磁强计附近的铁材料引起的磁强计异常问题，需要一种扰动探测技术。在这种情况下，过滤器只在传播模式下工作，不需要对姿态进行任何更新。陀螺仪的偏置随时间和温度的漂移也可以通过磁强计来补偿。本文提出了一种利用卡尔曼滤波(KF)对基于磁力计、加速度计和陀螺仪测量的航向输出进行集成，获得无缝姿态信息的方法。

2.行人死亡估计（PDR）

行人死亡估计是定位用户应该知道的初始位置和标题的相对手段。所提出的PDR算法的基本概念和组件如图所示1．通常，基于加速度计数据检测用户的步骤。为了获得行驶距离，步骤总数乘以步长。具有已知的标题和参考点，可以通过连续的步骤计数跟踪用户。

步长检测是任何PDR算法的基本步骤。通常，加速度计信号用于检测人的脚步。一旦检测到步数，就可以计算行人的总步数。因此，可以通过步长与总步数相乘来估计总行走距离。使用旅行距离和航向，用户可以定位在一个典型的行程。步进检测算法可以基于不同类型的传感器，不仅可以基于加速度计，还可以基于陀螺仪和磁强计。然而，我们的步进事件检测方案是基于加速度计信号的。使用三个加速度计的常模，如(1)，我们可以通过观察信号来清楚地识别这些步骤: 将步骤检测为所产生的规范中的峰值，其中步骤是当前峰值和前一步峰之间的常态加速度中的最高局部最大值。

3.传感器性能

测试中的使用设备三星Galaxy Nexus智能手机如图所示2轴定义。

除其他传感器外，该器件还配备了三合一磁力计（M），三合会陀螺仪（G）和三合会加速度计（A）。表中列出了制造商和主要使用传感器的范围1．

3.1。陀螺仪漂移

陀螺仪主要用于确定设备姿态。这种传感器的输出是旋转速率，并且在陀螺仪输出上执行单个集成以获得角度的相对变化。由于对陀螺仪的系统误差非常明智的集成过程，偏差引入了速度的二次误差和位置中的立方体误差[19.］．通常可以使用陀螺仪测量 在哪里是测量的角速率，是真正的角度率，是陀螺偏见，是线性比例因子矩阵，是非正交性矩阵，而且是传感器噪音。通过集成，陀螺仪偏置将引入与时间成比例的俯仰或滚动的角度误差;那是，;这种小角度会导致IMU的未对准。因此，当突出例如重力矢量时加速度，从身体帧到本地级帧，由于这种未对准错误，加速度向量将被错误地投影。这将在水平加速之一中引入错误;那是，．因此，这导致了速度上的误差和位置．为了克服误差漂移问题，需要对陀螺仪进行偏置补偿。当设备处于静止模式时，陀螺仪的确定性偏差可以通过计算该时间内陀螺仪的平均输出来估计。

3.2。磁力仪扰动

在操作期间，特别是建筑物内部，磁力计受许多外部干扰，例如大型金属物体[20.］．其他物体如钢结构和电磁电力线也会影响磁力计的求解。这些干扰导致磁强计的性能难以预测，这是磁传感器使用的一个主要缺点。同时，通过与参考值的比较，可以检测磁场强度、水平磁场和垂直磁场以及倾角的变化等参数，检测磁强计测量中的扰动。21.］．数字3.示出了由于磁力计由于钢结构而完全受到干扰的苛刻环境的示例。该图显示了与Calgary为570mgauss的参考值相比步行测试期间扰动区域中的扰动区域中的总磁场[21.］．

4.多传感器标题融合过滤器

使用惯性传感器通常估计设备的态度。态度表示有三种主要方法：DCM，欧拉角和四元数。三个技术中，第四季度代数是首选。然而，来自陀螺仪的估计态度非常嘈杂，导致标题错误的无限性增长。提出了一种陀螺仪，加速度计和磁力计数据的整合方案来估计器件姿态和陀螺仪偏置。该方案是基于四元素的KF，如图所示4.．

为了使用基于KF的估计，对于步行携带的设备的QuateNion参数和陀螺仪偏置估计，在本节中提出了各种态和测量的所需模型及其各自的系统和测量误差模型。

4.1。四元机械化

直接余弦矩阵(DCM)与欧拉角的关系为(3.）方位角，间距和卷的序列（） 要么 （）[22.]： 四元度是基于向量定义的四维向量和旋转角度。矢量给药 可以从使用中获得四元数矢量分量的DCM矩阵 在哪里  represents the DCM matrix in terms of the quaternion vector.

矩阵从身体帧转换为本地级别（导航）帧。滚动，间距和方位角值可以通过使用来获得数学函数对值的值在传感器导航方程内传播

4.2。过滤状态

基本上，所提出的滤波器的目标是基于四元素技术来估计设备姿态。因此，四元期估计的任何改善导致改善估计的姿态值。KF的实施是由附加白色高斯噪声（AWGN）驱动的线性系统的最佳状态。状态模型可以用以下形式编写： 在哪里是国家矢量，是状态转换矩阵，和表示应用状态模型的协方差矩阵。测量系统可以用以下形式的线性方程表示: 在哪里是测量更新的矢量，是将测量结果与状态矢量相关的设计（观察）矩阵，是测量噪声。

在没有已知输入的情况下，系统模型的非线性形式可以写入 在哪里现在是一个非线性函数，描述了各州的时间演变。考虑一个标称轨迹，，与实际轨迹有关，， 作为 在哪里是来自标称轨迹的扰动。执行泰勒系列扩展方程（10.）关于标称轨迹产量 在哪里现在是具有州矢量的系统的动态矩阵，由扰动状态组成，．因此，待估计的主要状态是由以下方式提供的四元数参数中的错误 在哪里是错误的错误th四元管参数。

四元数参数主要使用从陀螺仪测量获得的角速率确定。可以使用从测试开始时从静态间隔的数据进行补偿与陀螺仪相关的确定性误差，而偏置的随机误差是由 在哪里那,是陀螺仪的偏见。

完整状态向量被定义为7维向量，其中前四个组件是四元素元素中的错误，并且最后三个是陀螺仪偏差的元素。

4.3。国家过渡模型

角速率与四元数参数相关联： 在哪里是态度四元数吗那,表示使用速率陀螺仪获得的传感器框架中的角速率测量。四元膜用于表示过滤器设计中的态度，因为它没有与欧拉角相关的奇点问题。以前的等式可以被重写为 一阶泰勒级数展开如下: 在哪里是国家矢量是状态的错误。因此，可以获得四元数参数误差 给出了第一阶Gauss-Markov模型的一般方程 在哪里是相关时间的倒数为陀螺仪信号的方差。高斯-马尔可夫模型的不同参数可以确定，如图所示5.．

根据(19.），陀螺仪偏置可以被建模为 完整状态模型可以写入以下内容： 在哪里 使用动态矩阵（21.），状态转换矩阵可以定义为

4.4。测量模型

磁力计的测量和加速度计的数据被用作更新的主要来源。对所测磁场进行微扰测试。一旦磁场不受干扰，地磁航向就可以从标定数据中估计出来。此外，由于使用了低成本的MEMS传感器，并且通常以较高的速率进行测量，加速度计的测量也会产生噪声。因此，测量数据在步长时间内的平均值被用来估计横摇和俯仰值。用横摇、俯仰和航向估计来计算四元数参数。

唯一的更新源是四元数参数。因此，可以将设计矩阵设置为

4.5。过程和测量噪声的建模

为了完成KF的设计，有必要定义噪声协方差矩阵，过程噪声协方差矩阵测量噪声协方差矩阵．这些矩阵分别反映了系统模型和测量的置信度。协方差通常被称为过程噪声矩阵，，可计算为 这矩阵是一个7维度方矩阵，可以使用如下来计算[23.那24.]：

测量噪声协方差矩阵也被称为协方差矩阵．这矩阵表示以测量的准确性放置的置信度和由 这矩阵是一个4维对角方矩阵。对角线元件是各个测量的差异，可以使用来自所使用的传感器的测量数据来实验地确定。

4.6。过滤状态初始化

状态向量应在过程的开始时初始化。对于陀螺仪偏置状态，所有偏差均被初始化为零。可以使用欧拉角从DCM矩阵初始化四元数状态。加速度计校准数据在静止时段期间的平均值可用于使用以下关系来估计初始滚动和间距[25.]： 在哪里为加速度计数据的平均值。在相同的间隔期间，横摇和俯仰估计用于调平导航框中的磁强计数据。用标定后的磁强计数据估算初始方位角 DCM使用初始欧拉角值计算，如(3.）。然后，四元数和DCM之间的以下关系[22.用于计算初始四元数向量: 初始四元音矢量， ，使用初始欧拉角值计算（那那）。等式（30.）也用于获得更新的四元音参数。

5.结果和讨论

在本节中，评估了所提出的态度算法的性能。该设备以短信模式保持。所有测试从大约30秒的静止时段开始，以通过在3D空间中移动装置校准磁力计时校准陀螺仪。第一种情况进行了评估在室内环境中提出的技术的性能，而第二种情况是在市中心的区域中进行的。

5.1。环境变更试验

在这个场景中，测试在卡尔加里大学奥林匹克椭圆形体育场附近的建筑外开始。使用GPS的初始位置和磁力计的初始航向初始化PDR解决方案。在测试开始时，设备保持在静止状态约40秒，以校准陀螺仪的确定性偏差，并估计设备的初始方向、滚转和俯仰。该设备处于指南针、短信模式，用户可以通过大楼内的一条长走廊继续穿过一楼。轨迹在麦克尤恩学生中心外泰勒家庭数字图书馆(TDFL)前结束。这个轨迹的时间大约是5.5分钟，594步，总飞行距离461米。各种各样的原因使这个地方成为考试的候选地。（一世）这是学生活动的热门和有吸引力的地方。（ii）它有一个很长的走廊，这是一个具有挑战性的地区磁强计。（iii）在起始点，在建筑物前面，有一个巨大的金属结构，可以影响磁力计性能。（iv）这个地方充满了学生，模拟了智能手机用户的正常行走场景。由于周围区域中存在巨大的金属物体，磁力计的衍生头部形成磁力计完全影响，如图所示6.．在前40秒，总磁场被扭曲，导致磁力计的航向估计不正确。此外，校准过程是基于建筑物外的数据进行的，因此，一旦用户移动到建筑物内，磁场的分布与建筑物外的分布是不同的，如图所示6.．因此，基于磁力计的标题仍然不准确。但是，在大约2分钟后，来自磁力计的标题开始成为姿态过滤器的最新的主要来源。结果，在扰动间隔期间，姿态滤波器不执行更新阶段并继续基于陀螺仪的测量来传播设备的姿态。

附图中的放大部分7.在扰动区域期间示出了磁力计标题。该图表明，当磁场与在相同间隔期间的姿态滤波器标题相比之下时，标题被转移并散射。

为了评估PDR算法的整体精度，使用绘制在测试站点地图上的参考轨迹。在卡尔加里大学一楼的地图上绘制了测试实际方向的参考轨迹。如图所示8.，测试期间最大误差小于5米。此外，轨迹在正确的点处完成，位置漂移小于4米。距离中的误差约为总行驶距离的1.1％。

5.2。市中心测试

除了城市中的大多数人之外，市中心还是一个吸引游客的地方。它有主要的景点，如购物中心、行政办公室、博物馆、餐馆、咖啡馆和剧院。所以，有一个好的导航系统是很重要的，它可以帮助行人到达他们的目的地。由于高层建筑的存在，GPS等传统技术受到多路径和信号破坏的影响。测试在卡尔加里市中心进行，以评估所提算法在恶劣环境下的性能。由于市中心磁场的畸变，磁力计的性能完全受到影响。高层建筑、汽车和交通信号为基于磁力计的航向估计增加了更多的复杂性。测试开始于卡尔加里市中心第七街西南与第八大道西南的交叉口，如图所示9.．所选轨迹是一个正方形的正方形，其次是北，西，南方方向。轨迹的长度为490米，距离约6分钟。

虽然磁力计在测试开始时良好的机动，但存在强烈的扰动源的存在影响了标题估计。如图所示10.，由于磁场的畸变，磁力计估计的航向在大部分测试中完全没有用过。它显示，在140到260秒的时间间隔内，只有两分钟的航向更新可用。

数字11.显示PDR溶液使用姿态滤波器相比，与磁力计独立，陀螺仪环绕单独的陀螺仪和GPS解决方案相同的溶液相比。如图所示，对测试轨迹没有准确的独立解决方案。（一世）陀螺仪独立溶液由于未补偿的偏差而使位置漂移的精确方向。（ii）磁力计独立溶液在测试的许多部位转移;但是，在某些部件中，它表现良好并提供正确的标题。（iii）GPS被认为是最糟糕的解决方案，因为它在测试期间没有提供任何正确的信息，因为卫星不可用。但是，基于态度滤波器的PDR算法，在公司与磁力计异常检测技术中提供了可接受的解决方案。

通过将PDR解决方案与Google地图上的参考轨迹进行比较来评估PDR算法的总体精度。如图所示11.，最大的位置误差发生在轨道的北侧，该位置还没有更新，约为10米。弹道在正确的位置完成，位置偏移小于4米。总距离误差约为总行进距离的1%。

六，结论

提出了一种基于两种不同姿态传感器的增强姿态估计技术。该算法基于四元素机械化来估计设备姿态。过滤器作为补充技术工作;地球的磁场和角度率集成以估计设备标题。使用陀螺仪测量在预测模式中在预测模式中传播，而磁力计和加速度计测量用于更新阶段。姿态估计的改善导致改善的PDR结果。将基于PDR的估计轨迹结果与参考轨迹进行比较，以显示所提出的技术的准确性。结果表明，即使在恶劣环境中，所呈现的算法也能够准确地提供必要的导航信息。

致谢

这项工作是由COCTERRA商业化和研究中心，加拿大研究椅计划和加拿大自然科学和工程研究委员会（NSERC）的研究资金支持的。

参考

1. S. Y.Cho，K. W. Lee，C. G. Park和J. G. Lee，“使用低成本MEMS / GPS / Fluxgate的个人导航系统”导航研究所第59届年会和CIGTF第22届指导试验研讨会的诉讼程序，美国新墨西哥州阿尔伯克基，2003年。视图:谷歌学术
2. C. Aparicio，利用MARG传感器实现人体运动跟踪的四元数的卡尔曼滤波器，加利福尼亚海军研究生院，蒙特雷，加利福尼亚州，美国，2004年。
3. X. Yun和E. R. Bachmann，“基于四元数的人体运动跟踪卡尔曼滤波器的设计、实现和实验结果”，机器人上的IEEE交易，卷。22，没有。6，pp。1216-1227，2006。视图:出版商网站|谷歌学术
4. 霍尼韦尔，“DRM 4000死亡的模块，”2009年，http://www51.honeywell.com/aero/common/documents/myaerospacecatalog-documents/missiles-munitions/drm4000.pdf.．视图:谷歌学术
5. J.L. Marins，X. Yun，E. R.Bachmann，R.B.Chghee和M. J. Zyda，“使用Marg传感器的基于四元的方向估计的扩展卡尔曼滤波器”IEEE / RSJ智能机器人和系统会议的诉讼程序，第4卷，2003-2011页，2001年11月。视图:谷歌学术
6. S. HAN和J. WANG，“一种将IMU和磁力计的态度和前线参考系统集成的新方法，”导航期刊号，第64卷。4, pp. 727-738, 2011。视图:出版商网站|谷歌学术
7. S. Emura和S. Tachi，“通过多传感器集成，”实际和虚拟空间之间的时间滞后“，”智能系统多传感器融合与集成国际会议论文集(MFI’94)，页463-469,1994年10月。视图:谷歌学术
8. J. M. Cooke，M.J.Zyda，D. R. Pratt，以及R.B.Mcghee，“NPSNet：使用四元数飞行模拟动态建模”在场，卷。1，pp。404-420,1992。视图:谷歌学术
9. E. Foxlin，“惯性头跟踪器传感器融合由互补的单独偏置卡尔曼滤波器”IEEE虚拟现实年度国际研讨会的诉讼程序，pp.185-194，1996年4月。视图:谷歌学术
10. P. Setoodeh, A. Khayatian，和E. Farjah，“基于分离偏差卡尔曼滤波的数据融合的姿态估计”，导航期刊，卷。57，没有。2，pp。261-273,2004。视图:出版商网站|谷歌学术
11. s. -w.刘，z.-n.张，J. C. Hung，“由浮雕磁力计和微电脑组成的高精度磁性标题系统”IEEE国家航空航天和电子会议的诉讼程序（Naecon '89），pp.148-152，1989年5月。视图:谷歌学术
12. B. Hoff和R.Azuma，“在户外增强现实系统中的电子罗盘自动校准”IEEE和ACM国际研讨会的诉讼程序，PP。159-164，德国慕尼黑，2000年10月。视图:谷歌学术
13. D. Gebre-Egzibher，G.H. Elkaim，J. D. Powell和B. W.Parinson，“一种用于校准固态嵌件磁力计的非线性，两步估计算法”第八届国际圣彼得堡导航系统会议论文集，IEEE / AIAA，圣彼得堡，俄罗斯，2001年。视图:谷歌学术
14. C. L. Tsai，基于运动的差分载波相位定位：标题测定及其应用[博士。论文]，国立台湾科技大学，2006。
15. S.Kwanmuang，L. Ojeda和J. Borenstein，“磁力计增强的隧道个人定位器和GPS拒绝的户外环境”传感器，和指挥，控制，通信和智能（C3I）国土安全和国土防御X技术，Spie，奥兰多，弗拉，2011年4月的诉讼程序。视图:出版商网站|谷歌学术
16. L. Xue，W.元，H. chang和C.江，“基于MEMS的MEMS的MAV应用程序的多传感器综合姿态估算技术”第四届IEEE纳米/微型工程和分子系统会议的第四届国际会议（NEMS 09），pp.1031-1035，2009年1月。视图:出版商网站|谷歌学术
17. W. F.风暴和J. F. Raquet，“磁场辅助车辆跟踪”第22届导航研究所卫星司国际技术会议的诉讼程序（ION GNSS'09），pp.1767-1774，2009年9月。视图:谷歌学术
18. E. R. Bachmann，X. Yun和C.W.Peterson，“磁场变异对惯性/磁定向传感器的影响，”IEEE机器人与自动化国际会议的诉讼程序（ICA'04），pp。1115-1122，2004年5月。视图:谷歌学术
19. N. El-Sheimy，惯性技术和INS / DGPS集成，讲座Notes Engo 623，Calgary大学地理工程系，卡尔加里，加拿大，2012年。
20. A. S. Ali，S. Siddharth，Z.Syed，C. L. Goodall和N.El-Shemy，“一种高效且稳健的机动模式，以校准低成本磁力计，以改善行人航行的标题估计”应用Geodesy杂志，卷。7，不。1，pp。65-73,2013。视图:出版商网站|谷歌学术
21. C. C.Finlay，S. Maus，C. D.Beggan等，“国际地磁参考领域：第十一代，”国际地球物理杂志，卷。183，没有。3，pp。1216-1230，2010。视图:出版商网站|谷歌学术
22. J. B. Kuipers，四元数和旋转序列，普林斯顿大学出版社，普林斯顿，NJ，美国，1999。
23. R. G. Brown和P. Y. Hwang，随机信号简介和应用的卡尔曼滤波，Wiley，纽约，纽约，美国，1992年。
24. A. GELB，应用最佳估计麻省理工学院出版社，1974年。
25. H. J. Luine和P. H.Veltink，“使用微型陀螺仪和加速度计测量人体段的取向，”医疗和生物工程和计算，卷。43，不。2，pp。273-282,2005。视图:出版商网站|谷歌学术

版权

版权所有©2013 Abdelrahman Ali和Naser El-Shemy。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。