论文部分内容阅读
在全球导航卫星系统(Global navigation satellite system,GNSS)信号中断或缺失的林区环境中,基于微惯性测量单元(Micro Inertial Measurement Unit,MIMU)的惯性行人定位系统成为了森林作业人员(消防员、巡检员等)一个热门的选择。针对林区地带郁闭度较高、卫星信号易被遮挡的特性,本文以林区环境中林区作业人员的自主定姿定位为研究对象,设计并搭建了林下行人自主定位系统平台,主要研究内容如下:零速度更新(Zero Velocity Update,ZUPT)是减小惯性导航积分计算带来的累积定位误差的一种有效解决方案。针对传统的ZUPT中的姿态初始对准方法存在着加速度零点偏移和陀螺漂移的问题。本文提出了一种基于自适应梯度下降算法(Adaptive Gradient Descent Algorithm,AGDA)的初始对准算法。在行人迈步阶段,针对扩展卡尔曼滤波(Extended Kalman Filter,EKF)器中的测量噪声变量受传感器系统在高频动态条件下的量测加速度值和量测角速度值的影响。本文提出了一种双约束扩展卡尔曼滤波(Double-constrained Extended Kalman Filter,DEKF)方法,通过设置一个与加速度和角速度正相关的自适应参数,实现了对DEKF中的测量噪声的自适应调整。针对林下行人自主定位系统在估计林区行人位置中MIMU的低精度和高噪声对零速度探测器的测量精度影响严重,导致三维行人定位精度差。本文提出了一种改进的广义似然比测试(Generalized Likelihood Ratio Test,GLRT)方法。其核心是根据不同的运动状态动态调整检测阈值,从而确定检测的约束关系。针对传感器的漂移和位置积分的累积误差影响三维姿态和位置的精度。本文提出了一种改进的扩展卡尔曼粒子滤波(Extended Kalman Particle Filter,EKPF)算法。改进的EKPF通过引入气压计信息,建立了高度方向上的位置约束模型。利用约束多源观测信息构造新的粒子滤波(Particle Filter,PF)分布函数,使得后验概率分布更接近真实分布。针对在矿石、金属等磁干扰较多的林区内,磁场测量易受到外界磁场干扰的影响,导致航向产生误差。本文提出了一种广义似然比磁干扰检验方法,通过构造一个似然比函数,使磁干扰的相位概率最大化,从而确定检测的不等式关系。此外,ZUPT与EKF和EKPF的结合可以抑制累积误差,但航向偏差无法准确估计。为此,本文设计了一种抑制磁干扰的改进的EKPF,通过加入自适应参数对航向观测进行补偿。针对林区松软地面上足部单惯性传感器抖动和随机噪声缺陷严重,本文提出了一种结合足部和小腿运动学信息的两点零位差ZUPT。首先,通过分析足部和小腿的局部运动特性,建立了以踝关节为连接点的零位差约束矩阵。为了融合足部和小腿的信息,获得准确的姿态和位置,提出了一种基于脚背和小腿零位置差的改进的扩展卡尔曼粒子滤波算法。此外,根据脚背和小腿的步态信息特征,设计了一种权重分配策略,用于检测行人的零速度点。最后,本论文在不同场景下搭建了试验平台,验证了本文所提出的改进林下行人自主定位系统的可行性和有效性。实验结果表明,AGDA和DEKF使定位系统姿态和位置误差明显减小。在三维行人自主定位系统下,改进的GLRT方法能很好地检测出足部的零速度点,改进的EKPF方法有效地降低了三维定位误差。在有磁干扰环境下的行人定位系统中,改进的磁干扰检测器误检率明显降低,基于航向自适应修复的改进EKPF的定位精度明显提升。基于两点零位置差的ZUPT辅助方法使自主定位系统的性能显著增强。