一种行人惯性导航全时全程逆向平滑滤波方法技术

技术编号:21511385 阅读:23 留言:0更新日期:2019-07-03 08:06
一种行人惯性导航全时全程逆向平滑滤波方法:在系统进行初始对准之后,在运动状态时,利用加速度和角速度信息进行捷联解算,当进入下一个零速区间时,即脚部着地时,利用RTS平滑算法,对导航系统状态误差进行最优估计,并修正系统状态;然后利用逆向捷联解算,反向计算系统的导航状态变量,计算到上一个零速静止区间,然后再利用卡尔曼滤波器将前向捷联解算的系统状态信息与逆向捷联解算的系统状态信息进行融合,获得精度更高的状态信息;最后,利用卡尔曼滤波得到的运动状态信息,对零速区间再次进行RTS平滑滤波,得到系统状态信息的最优估计。

A Full-Time and Full-Range Reverse Smoothing Filtering Method for Pedestrian Inertial Navigation

【技术实现步骤摘要】
一种行人惯性导航全时全程逆向平滑滤波方法
本专利技术属于行人惯性导航领域,特别是涉及一种利用行人运动的零速周期,全时刻、全程地对行人惯性导航系统状态进行逆向平滑滤波的方法。
技术介绍
随着惯性器件的飞速发展,由于自主性好,抗干扰能力强,惯性导航系统已经被广泛应用于全球卫星导航系统(GNSS)信号较弱或完全中断的环境中,例如密集的城市建筑群、室内场景和地下环境等。作为一种应用在纯惯导情况下的高精度定位算法,零速更新算法越来越多的出现在隧道、地下环境的车载导航和室内环境的人员定位中。通过利用载体周期性的静止状态和使用滤波器(如卡尔曼滤波器)估计速度误差,零速更新算法可以校正载体的移动速度,限制位置和姿态误差,甚至估计传感器输出的误差。在车载惯性导航和水下机器人领域,各种改进的ZUPT误差估计算法被提出,而在室内人员定位领域,ZUPT算法也是提升定位精度的关键,为了提升ZUPT算法的误差估计精度,各地的研究者提出了各种方法来提高零速时刻的检测精度和优化误差估计算法。传统的零速更新算法,只能在载体周期性的零速状态下,利用3维速度误差的观测量,通过卡尔曼滤波器对系统的9维、12维,甚至15维状本文档来自技高网...

【技术保护点】
1.一种行人惯性导航全时全程逆向平滑滤波方法,其特征在于:包括以下步骤:步骤1,以当地地理坐标系为导航坐标系,建立系统的误差传递模型,模型的15维状态变量包括:3维位置误差、3维速度误差、3维姿态误差、3维加速度计输出误差、3维陀螺仪输出误差。步骤2,初始的静止区间,进行系统初始对准,利用加速度计和陀螺仪传感器信息,计算载体的初始姿态角,包括俯仰角、滚转角和偏航角,确定初始四元数。步骤3,进入运动区间,利用加速度和角速度信息进行捷联解算,计算系统的3维位置、3维速度和3维姿态信息。步骤4,进入下一个静止区间,利用RTS平滑算法,在系统的零速状态下进行平滑滤波,对系统的15维状态误差进行最佳估计...

【技术特征摘要】
1.一种行人惯性导航全时全程逆向平滑滤波方法,其特征在于:包括以下步骤:步骤1,以当地地理坐标系为导航坐标系,建立系统的误差传递模型,模型的15维状态变量包括:3维位置误差、3维速度误差、3维姿态误差、3维加速度计输出误差、3维陀螺仪输出误差。步骤2,初始的静止区间,进行系统初始对准,利用加速度计和陀螺仪传感器信息,计算载体的初始姿态角,包括俯仰角、滚转角和偏航角,确定初始四元数。步骤3,进入运动区间,利用加速度和角速度信息进行捷联解算,计算系统的3维位置、3维速度和3维姿态信息。步骤4,进入下一个静止区间,利用RTS平滑算法,在系统的零速状态下进行平滑滤波,对系统的15维状态误差进行最佳估计,然后利用估计的误差信息对系统的位置、速度、姿态、加速度输出和陀螺...

【专利技术属性】
技术研发人员:赵辉苏中李擎
申请(专利权)人:北京理工大学北京信息科技大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1