前言

　　定位是感知應(yīng)用的一個(gè)重要屬性。在室內(nèi)環(huán)境中,，如果位置信息可用并非?？煽浚懈嗟膽?yīng)用場(chǎng)景可以實(shí)現(xiàn)的,。行人航位推算(PDR) 就是這樣一種技術(shù),，在室內(nèi)環(huán)境中可提供行人航位信息并提高定位可靠性。慣性傳感器,、磁力計(jì)和壓力傳感器是航位推算應(yīng)用中必不可少的傳感器組件,，用之可大幅提升導(dǎo)航性能，這些器件的功耗必須極低,，這樣才能始終保持開(kāi)啟模式并提供數(shù)據(jù)用于航位推算應(yīng)用,。實(shí)現(xiàn)隨時(shí)隨地定位的目標(biāo)離不開(kāi)高品質(zhì)的MEMS傳感器和高性能的行人航位推算算法。本文主要討論各種行人航位推算算法上需要用到的傳感器組件的數(shù)學(xué)表述,，以及可用性和可靠性更高的PDR行人航位推算算法的測(cè)試結(jié)果,。

　　定位技術(shù)概述

　　全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)接收器已成為室外導(dǎo)航解決方案的常用電子元器件，今天幾乎每一臺(tái)智能手機(jī)內(nèi)部都有一個(gè)這樣的衛(wèi)星接收器芯片,，可實(shí)現(xiàn)各種與位置相關(guān)的移動(dòng)服務(wù),，其中包括導(dǎo)航、興趣點(diǎn)搜索和地圖,。用戶開(kāi)始期待他們的設(shè)備在所有環(huán)境中都能提供位置信息,，但是他們通常忽略衛(wèi)星信號(hào)是不能穿透商廈和候機(jī)樓的墻壁和屋頂這個(gè)事實(shí)。建筑材料會(huì)使全球?qū)Ш叫l(wèi)星系統(tǒng)信號(hào)衰減變?nèi)?，即使高靈敏度接收器也無(wú)法在室內(nèi)收到定位信息,。

　　目前業(yè)內(nèi)正在開(kāi)發(fā)不同的行人航位推算解決方案，大都采用無(wú)線發(fā)射器充當(dāng)信標(biāo),，利用三角測(cè)量法計(jì)算接收器的位置,。這些解決方案利用室內(nèi)環(huán)境中的Wi-Fi接入點(diǎn)(AP)定位。類(lèi)似的解決方案還包括使用藍(lán)牙發(fā)射器,、GSM和其它手機(jī)發(fā)射器或?qū)Ｓ眯艠?biāo),，例如Nextnavfor室內(nèi)定位設(shè)備。這些技術(shù)整合運(yùn)用服務(wù)器等基礎(chǔ)設(shè)施傳送的輔助GPS/GLONASS數(shù)據(jù),、星歷擴(kuò)展數(shù)據(jù)和Wi-Fi接入點(diǎn)(AP)位置數(shù)據(jù),。此外，還有一種使用MEMS傳感器(加速度計(jì),、磁力計(jì),、陀螺儀和高度計(jì))計(jì)算位置數(shù)據(jù)的室內(nèi)導(dǎo)航技術(shù)。今天幾乎所有的智能手機(jī)、平板電腦,、數(shù)碼相機(jī),、健身產(chǎn)品等便攜消費(fèi)電子產(chǎn)品都配有MEMS傳感器。這些傳感器配合行人航位推算(PDR) 技術(shù)能夠確定用戶位置,。每項(xiàng)室內(nèi)定位技術(shù)都有其長(zhǎng)處和短板,。

　　數(shù)據(jù)整合

　　按照定位精度和功耗要求，微控制器整合處理各類(lèi)信息源送來(lái)的信息,，然后將具有不確定性的單一位置值提供給應(yīng)用,。使用信任參數(shù)、相關(guān)參數(shù)和過(guò)去測(cè)量數(shù)據(jù)推算每個(gè)位置,，權(quán)衡Wi-Fi,、藍(lán)牙、行人航位推算和全球?qū)Ш叫l(wèi)星系統(tǒng)等多個(gè)技術(shù)送來(lái)的信息,，數(shù)據(jù)整合算法在其中發(fā)揮著關(guān)鍵作用,。在室外，全球?qū)Ш叫l(wèi)星系統(tǒng)接收器送來(lái)的位置信息精度良好,，不確定性低,。當(dāng)控制器使用的測(cè)量數(shù)據(jù)是來(lái)自用戶附近的Wi-Fi接入點(diǎn)時(shí)，位置計(jì)算信號(hào)強(qiáng)度高,，Wi-Fi系統(tǒng)送來(lái)的位置估測(cè)數(shù)據(jù)精度也就比較高(相關(guān)不確定性低),。不過(guò)，Wi-Fi接入點(diǎn)數(shù)據(jù)庫(kù)(包含Wi-Fi接入點(diǎn)位置數(shù)據(jù)及其不確定性數(shù)據(jù))的品質(zhì)也會(huì)影響定位精度,。

　　PDR行人航位推算不依賴(lài)任何外力協(xié)助,，無(wú)需任何外部基礎(chǔ)設(shè)施配合，就能產(chǎn)生精確的相對(duì)位置定位信息,。因此,，其特點(diǎn)與絕對(duì)定位技術(shù)優(yōu)勢(shì)互補(bǔ)，例如,，全球?qū)Ш叫l(wèi)星系統(tǒng)或基于Wi-Fi的導(dǎo)航系統(tǒng),。因此，PDR行人航位推算適用于混合系統(tǒng),，可以在室內(nèi)環(huán)境確定用戶位置，定位的精確度,、可用性和可靠性更高,。

　　行人航位推算

　　移動(dòng)設(shè)備中的MEMS傳感器因受到數(shù)據(jù)漂移和噪聲的影響，會(huì)引起基于積分運(yùn)算方法的傳統(tǒng)慣性導(dǎo)航系統(tǒng)出現(xiàn)難以處理的位移和姿態(tài)誤差,。在行人航位推算應(yīng)用中,，傳統(tǒng)積分運(yùn)算導(dǎo)航方法效果不理想，因?yàn)榕c人體運(yùn)動(dòng)相關(guān)的復(fù)雜動(dòng)力學(xué)很難建模,，將其用于運(yùn)算有不小的難度,。在過(guò)去十年中,，業(yè)內(nèi)主要開(kāi)發(fā)出兩種很有前景的室內(nèi)環(huán)境行人導(dǎo)航方法，一種在參考文獻(xiàn)[1]論述的基于零速率更新的INS-EKF-ZUPT (IEZ)慣導(dǎo)方法,，另一種是包括步伐檢測(cè),、步長(zhǎng)估算和航向算法的基于人類(lèi)步行動(dòng)力學(xué)的慣導(dǎo)方法?；诹闼俾矢碌?ZUPT)的方法基于一個(gè)假設(shè)和一個(gè)物理現(xiàn)象,，即假設(shè)慣性傳感器是安裝在腳上，且每邁出一步后都是暫時(shí)靜止?fàn)顟B(tài),。本文主要討論通用性更強(qiáng)的方法,。

　　從通用導(dǎo)航方程式[2]可以推出行人航位推算過(guò)程的數(shù)學(xué)表述。在進(jìn)行兩次積分運(yùn)算后,，平臺(tái)加速度變成了北東坐標(biāo)系的位置,，可以寫(xiě)為：

　　方程式1

　　其中，(t)是位移,，(t)是航向,。在行人步伐間隔期間，假設(shè)速度和航向是常量,?？紤]到折線法，方程式1可改寫(xiě)成：

　　方程式2

　　方程式2表述航位推算(DR)算法,，該方法是基于步數(shù)計(jì)算,，而不是加速度和角速率的積分運(yùn)算。方程式2的航位推算過(guò)程有三個(gè)要素：1)在t-1 (Et-1, Nt-1)時(shí)最后一次已知的用戶絕對(duì)位置(用東北坐標(biāo)系表示),；2)從t-1到t()的步長(zhǎng),；3)從時(shí)間t-1開(kāi)始的航向 (ψ) 可以算出新位置相對(duì)已知位置(Et-1, Nt-1)的坐標(biāo)(Et, Nt)，如方程式2所示,。

　　我們仔細(xì)觀察方程式2不難發(fā)現(xiàn),，行人航位推算精度取決于兩個(gè)要素：1)行走距離的計(jì)算，2)用戶航向(或方向)在行人航位推算原理中,，行走距離的計(jì)算方法是檢測(cè)估算行人每行走一步的步長(zhǎng),，然后累計(jì)步長(zhǎng)估算值。精確地估算全球用戶的步長(zhǎng)是一項(xiàng)具有挑戰(zhàn)性的任務(wù),。目前業(yè)內(nèi)開(kāi)發(fā)出了多個(gè)步長(zhǎng)精確估算模型,，見(jiàn)參考文獻(xiàn)[3][4]。

　　圖1所示是含有各種組件的行人航位推算系統(tǒng)框圖,。慣性傳感器數(shù)據(jù)通過(guò)校準(zhǔn)監(jiān)視邏輯處理,，以保持對(duì)加速度計(jì)和陀螺儀測(cè)量偏差和標(biāo)度系數(shù)的精確估算。磁強(qiáng)計(jì)數(shù)據(jù)通過(guò)校準(zhǔn)監(jiān)視模塊處理，以決定是硬鐵參數(shù)還是軟鐵參數(shù),。磁力計(jì)數(shù)據(jù)監(jiān)視的另一個(gè)目的是確定測(cè)量數(shù)據(jù)有無(wú)磁性干擾數(shù)據(jù),，防止磁干擾影響校準(zhǔn)參數(shù)。

　　圖 1 行人航位推算框圖

　　步伐檢測(cè)算法利用模式匹配法與人類(lèi)步態(tài)模型特征匹配,。加速度模式隨著設(shè)備攜帶位置（褲子口袋,、腰帶包、襯衫口袋）不同而變化,。載物位置確定模塊用于確定設(shè)備常用存放位置,，例如，手里拿著擺臂走路,；舉在頭部附近,，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推算方程式的第二個(gè)術(shù)語(yǔ),，包括設(shè)備航向和用戶行走方向,。計(jì)算設(shè)備航向需要使用經(jīng)過(guò)傾斜修正的羅盤(pán)測(cè)量值。不過(guò),，因?yàn)橥獠看艛_會(huì)影響羅盤(pán)的性能,，完全依賴(lài)羅盤(pán)的測(cè)量值不現(xiàn)實(shí)，這是我們采用一個(gè)數(shù)據(jù)整合濾波器又稱(chēng)姿態(tài)濾波器,，整合磁力計(jì),、陀螺儀和加速度計(jì)數(shù)據(jù)的主要原因。姿態(tài)濾波器可以計(jì)算設(shè)備在人體坐標(biāo)系相對(duì)大地參考坐標(biāo)系的方向,。因?yàn)檫@個(gè)數(shù)學(xué)表達(dá)式比較緊湊,，所以設(shè)備方向用四元數(shù)表示，與Euler角度或 9 X 9 方向矩陣相比,，四元數(shù)更具有數(shù)字穩(wěn)定性,。姿態(tài)濾波器基于擴(kuò)展卡爾曼濾波器(EKF)概念，以解決外部磁場(chǎng)強(qiáng)度不斷變化和用戶在常用情況下導(dǎo)致的設(shè)備動(dòng)態(tài)運(yùn)動(dòng)對(duì)航向的影響,。因?yàn)楹较驅(qū)傮w定位精度的影響巨大,，所以必須認(rèn)真考慮傳感器隨機(jī)噪聲、偏差,、偏差不穩(wěn)定性,、非線性以及其它的可能降低系統(tǒng)性能的因素。

　　低噪聲磁力計(jì)的重要性

　　在3-D空間正常旋轉(zhuǎn)設(shè)備時(shí),，傳感器各軸受地磁場(chǎng)強(qiáng)矢量影響，我們使用此時(shí)采集到的測(cè)量數(shù)據(jù)計(jì)算磁強(qiáng)計(jì)校準(zhǔn)參數(shù)(硬鐵和軟鐵)。偏移估算精度與磁強(qiáng)計(jì)數(shù)據(jù)中的噪聲信號(hào)直接關(guān)聯(lián),。如果磁力計(jì)的噪聲非常高,，偏移估算精度將會(huì)變差，最終將會(huì)影響航向估算結(jié)果,。偏移估算誤差對(duì)高緯度地區(qū)定準(zhǔn)更加重要,，因?yàn)楦呔暥鹊貐^(qū)磁場(chǎng)水平場(chǎng)強(qiáng)較弱。即便在水平場(chǎng)強(qiáng)中等地區(qū),，1 ?T偏移誤差可以引起5度的航向誤差,，這對(duì)于行人航位推算應(yīng)用是一個(gè)不小的誤差。

　　行走角度確定

　　姿態(tài)濾波器用于計(jì)算設(shè)備在身體坐標(biāo)系內(nèi)的航向,。不過(guò),，設(shè)備可能隨意置于用戶身體某一位置，姿態(tài)濾波器航向與用戶航向或行走方向并不一致,，如圖2所示,。

　　圖2行走方向

　　行走角度α的計(jì)算運(yùn)用了行人運(yùn)動(dòng)的身體特征以及加速度波形的周期特征和統(tǒng)計(jì)學(xué)。

　　測(cè)試結(jié)果

　　我們采用加速度計(jì)和陀螺儀模塊(LSM6DSM),、磁強(qiáng)計(jì)(LSM303AGR)和壓力傳感器(LPS22HB)和STM32微控制器開(kāi)發(fā)出一個(gè)行人航位推算解決方案,，這個(gè)由傳感器、微控制器和藍(lán)牙組成的硬件參考設(shè)計(jì)叫做SensorTile? (詳情訪問(wèn)www.ST.com),，可以利用一個(gè)安卓應(yīng)用在手機(jī)上實(shí)時(shí)顯示行人航位推算軌跡輸出,。六軸傳感器LSM6DSM(加速度計(jì) + 陀螺儀)正常工作模式下功耗小于400 ?A。在這個(gè)傳感器模塊內(nèi),，陀螺儀的角速率噪聲密度為3.8 mdps /√Hz,。加速度計(jì)噪聲密度為90 ?g /√Hz。磁力計(jì)的RMS噪聲為3 mGauss,，采用AMR技術(shù),，無(wú)溫度漂移問(wèn)題，在高分辨率模式下,，工作電流小于200 ?A,。壓力傳感器RMS噪聲為0.0075 hPA，溫度漂移0.1 hPa,。

　　上文描述的傳感器的噪聲特性和偏移穩(wěn)定性,，配合穩(wěn)健可靠的高性能行人航位推算算法，可以實(shí)現(xiàn)隨時(shí)隨地定位的目標(biāo),。

　　下圖3所示是某些常用場(chǎng)景行走測(cè)試軌跡,。

　　圖3 行人航位推算在常用場(chǎng)合行走測(cè)試結(jié)果

　　參考文獻(xiàn)

　　[1]Jime?nez, A.R.; Seco, F.; Prieto, J.C.; Guevara, J., "Indoor pedestrian navigation using an INS/EKF framework for yaw drift reduction and a foot-mounted IMU," Positioning Navigation and Communication (WPNC), 2010 7th Workshop, vol., no., pp.135-143, 11-12 March 2010

　　[2]Titterton, D.H., Weston, J.L., “Strapdown Inertial Navigation Technology,” (1997) Peter Peregrinus Ltd., pages 35-36

　　[3]S.H.Shin, C.G.Park, J.W.Kim, H.S.Hong, and J.M.Lee, “Adaptive Step Length Estimation Algorithm Using Low-Cost MEMS Inertial Sensors,” 2007 IEEE Sensors Applications Symposium, Feb. 2007, pp. 1-5.

　　[4]Q. Ladetto, “On foot navigation : continuous step calibration using both complementary recursive prediction and adaptive Kalman filtering,” Proceedings of ION GNSS 2000 Conference, Salt Lake City, Utah, USA