一种基于CKF的IMU/Wi‑Fi信号紧组合室内导航方法技术

本发明专利技术公开了一种基于CKF的IMU/Wi‑Fi信号紧组合室内导航方法，该方法包括：建立Wi‑Fi信号的RSS fingerprinting的数据库；利用IMU进行定位，得到行人所在位置Po

【技术实现步骤摘要】
—种基于CKF的IMU/W1-Fi信号紧组合室内导航方法
本专利技术属于导航
,尤其涉及一种基于容积卡尔曼滤波(Cubature KalmanFilter, CKF)的MU/W1-Fi信号紧组合室内导航方法。
技术介绍
现有行人导航定位主要依靠卫星定位系统(Global Posit1n System, GPS)实现。然而，GPS定位存在着动态性能差、非自主等缺点。特别是在室内、城市街道、隧道等易遮蔽卫星导航信号的环境中，会产生信号丢失，甚至导致定位失效。 对于室内导航，通常采用的解决方法是利用微机电系统(Micro-Electromechanical System,MEMS)惯性器件进行室内导航。而基于MEMS惯性器件的行人导航自主定位系统，其器件误差会快速地发散。在导航阶段，若不能有效地补偿MEMS惯性器件误差，位置误差会以时间三次方发散，最终导致系统导航功能失效。由此可知，基于MEMS系统惯性解算算法应用于行人导航系统的最大难点在于误差的有效修正。 通常MEMS系统的误差修正及信息融合均以滤波形式实现。由于涉及非线性模型，在滤波器选择时，通常选用扩展卡尔曼滤波等非线性滤波。扩展卡尔曼滤波是一种典型的非线性滤波方法，通过对非线性方程进行一阶泰勒级数线性展开以逼近真实的状态分布，但该逼近结果只在小邻域内产生，否则会带来较大误差，导致滤波结果不稳定甚至发散。 综上所述，现有的室内行人组合导航系统稳定性差，且滤波精度较差，收敛速度慢，鲁棒性弱，致使行人导航精确度较差。
技术实现思路
本专利技术的目的在于提供一种基于CKF的MU/W1-Fi信号紧组合室内导航方法，旨在解决现有的室内行人组合导航方法存在的稳定性差，滤波效果不理想的问题。 本专利技术的实现包括以下步骤: 步骤一:在室内选取一定密度的参考点，测量并记录每个参考点从接入点APs接收到的信号强度和相对应的位置信息PoDB，建立RSS Fingerprint数据库； 步骤二:将惯性测量单元固定于行人脚上，利用MU测量行人行进时的运动信息加速度a和转速ω，并通过惯导解算得到行人的速度Ve?，位置Po?，姿态At? ； 步骤三:利用步骤二得到的加速度a对加速度计进行零速校正，并对校正后的运动信息进行惯导解算，通过扩展滤波器滤波，得到校正后的位置速度VeZUPT，并与步骤二中得到的速度Ve?做差得到速度误差Λ Ve ； 步骤四:利用步骤二得到的位置信息Po?与RSS Fingerprint数据库中参考点的位置信息Podb进行比较，筛选出与该测量点较近的η个点P0iDB(i = 1,2,…，η)，然后分别与MU测得的位置Po?做差得到行人与参考点间的距离(i=l,2，…，n); 所涉及的表达式为:本文档来自技高网...

【技术保护点】
一种基于CKF的IMU/Wi‑Fi信号紧组合室内导航方法，其特征在于，包括以下步骤：步骤一：在室内选取一定密度的参考点，测量并记录每个参考点从接入点APs接收到的信号强度和相对应的位置信息PoDB，建立RSS Fingerprint数据库；步骤二：将惯性测量单元固定于行人脚上，利用IMU测量行人行进时的运动信息加速度a和转速ω，并通过惯导解算得到行人的速度VeIMU，位置PoIMU，姿态AtIMU；步骤三：利用步骤二得到的加速度a对加速度计进行零速校正，并对校正后的运动信息进行惯导解算，通过扩展滤波器滤波，得到校正后的位置速度VeZUPT，并与步骤二中得到的速度VeIMU做差得到速度误差△Ve；步骤四：利用步骤二得到的位置信息PoIMU与RSS Fingerprint数据库中参考点的位置信息PoDB进行比较，筛选出与该测量点较近的n个点PoiDB(i＝1,2，…，n)，然后分别与IMU测得的位置PoIMU做差得到行人与参考点间的距离所涉及的表达式为：diIMU=(XIMU-XiDB)2+(YIMU-YiDB)2]]>其中，XIMU和YIMU是由IMU测得位置坐标PoIMU的分量，且有PoIMU＝{XIMU，YIMU}；和YiDB是所选参考点的坐标PoiDB的分量，且有步骤五：利用行人携带的Wi‑Fi天线接收Wi‑Fi信号，并测量接收到的信号强度，根据信号强度与距离的数学模型计算出测量点与接入点APs的距离d，从而利用三边测量法解算测量点的位置PoWi‑Fi并与IMU测得的位置做差，得到位置误差△Po；所涉及的Wi‑Fi信号强度RSS和距离d间的数学模型为：d=d0·10RSS0-RSS10·p]]>式中，d0为已知的参考距离，RSS0为在参考距离d0处的平均信号强度，p为信号衰减指数；步骤六：利用步骤五到的位置信息PoWi‑Fi与RSS Fingerprint数据库中参考点的位置信息PoDB进行比较，筛选出与该测量点较近的n个点PoiDB(i＝1,2，…，n)然后分别与Wi‑Fi定位得到的位置PoWi‑Fi做差得到行人与参考点间的距离即：所涉及的表达式为：diWi-Fi=(XWi-Fi-XiDB)2+(YWi-Fi-YiDB)2]]>其中，XWi‑Fi和YWi‑Fi是由IMU测得位置坐标PoWi‑Fi的分量，且有PoWi‑Fi＝{XWi‑Fi，YWi‑Fi}；和YiDB是所选参考点坐标PoiDB的分量，且有步骤七：将步骤四和步骤六中得到的距离做差，得到距离差Δdi；步骤八：使用步骤三得到的速度误差△Ve和步骤五求得的位置误差△Po，作为容积卡尔曼滤波的状态量X＝[△Ve，△Po]，使用步骤七得到的距离差Δdi作为容积卡尔曼滤波的量测量Z＝[Δdi]，利用容积卡尔曼滤波进行滤波解算；步骤九：利用步骤八中得到的滤波后的速度误差△Ve、位置误差△Po对IMU测得的速度Ve、位置Po进行校正，从而获得最终的室内行人导航信息。...

【技术特征摘要】
1.一种基于CKF的IMU/W1-Fi信号紧组合室内导航方法，其特征在于，包括以下步骤:步骤一:在室内选取一定密度的参考点，测量并记录每个参考点从接入点APs接收到的信号强度和相对应的位置信息PoDB，建立RSS Fingerprint数据库； 步骤二:将惯性测量单元固定于行人脚上，利用MU测量行人行进时的运动信息加速度a和转速ω，并通过惯导解算得到行人的速度Ve?，位置Po?，姿态At? ； 步骤三:利用步骤二得到的加速度a对加速度计进行零速校正，并对校正后的运动信息进行惯导解算，通过扩展滤波器滤波，得到校正后的位置速度VeZUPT，并与步骤二中得到的速度Ve?做差得到速度误差Λ Ve ； 步骤四:利用步骤二得到的位置信息Po?与RSS Fingerprint数据库中参考点的位置信息Podb进行比较，筛选出与该测量点较近的η个点P0iDB (i = 1，2，…，η)，然后分别与IMU测得的位置Po?做差得到行人与参考点间的距离(i=l,2，…，n)； 所涉及的^ 表达式为:其中，X?和Y?是由MU测得位置坐标Po?的分量，且有Po? = {X?，Y?} ； Xlb和Υ?是所选参考点的坐标P0iDB的分量，且有P0lDB={Χ ，Y? }； 步骤五:利用行人携带的W1-Fi天线接收W1-Fi信号，并测量接收到的信号强度，根据信号强度与距离的数学模型计算出测量点与接入点APs的距离d，从而利用三边测量法解算测量点的位置PoWi_Fi并与IMU测得的位置做差，得到位置误差Λ Po ； 所涉及的W1-Fi信号强度RSS和距离d间的数...

【专利技术属性】
技术研发人员：高伟，杨若雨，周广涛，李佳璇，白红美，张鹏，张思，孙妍忞，赵博，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23