谷洪浩 蔡成林 蔡勁 吳金凱 秦玉葉

摘? 要： 針對現(xiàn)有微機電系統(tǒng)中慣性傳感器漂移大、傳統(tǒng)行人室內(nèi)定位方法穩(wěn)定性較差，從而導(dǎo)致行人室內(nèi)定位精度低的問題，提出一種基于彎曲傳感器輔助慣性傳感器的行人零速修正方法。該方法通過將彎曲傳感器固定在胯關(guān)節(jié)以及膝關(guān)節(jié)處，將慣性測量單元捷聯(lián)在行人的鞋尖，用于分別測量行人行走時胯關(guān)節(jié)和膝關(guān)節(jié)的彎曲度變化以及腳步的運動特征。對關(guān)節(jié)彎曲度以及加速度、角速度設(shè)置相應(yīng)的閾值，用于判別行人的零速區(qū)間，通過零速修正抑制誤差的累積。實驗結(jié)果表明，在不同步態(tài)下該方法可以有效降低定位誤差，在跑動下較傳統(tǒng)零速修正方法的定位平均誤差降低了67.4%，得到較高的定位精度。

關(guān)鍵詞： 微機電系統(tǒng); 室內(nèi)定位; 彎曲傳感器; 誤差抑制; 閾值設(shè)置; 零速修正

中圖分類號： TN141.2?34; U666.1? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）16?0164?05

0? 引? 言

目前，全球衛(wèi)星導(dǎo)航系統(tǒng)可以在全球范圍內(nèi)為人們提供全天候的導(dǎo)航定位服務(wù)，為人們的日常生活提供了極大的便利。但是在室內(nèi)或者高樓林立等環(huán)境下，GNSS信號會比較微弱甚至接收不到，因此無法為人們提供準確的導(dǎo)航定位服務(wù)[1]。近幾年，國內(nèi)外對室內(nèi)定位技術(shù)開展了大量的研究，總體可以分為有源定位和無源定位。其中，有源定位技術(shù)包括紅外技術(shù)（IR）[2]、無線局域網(wǎng)（WLAN）[3]、藍牙技術(shù)[4]、超寬帶技術(shù)（UWB）[5]、計算機視覺（Computer Vision）[6]等。這些技術(shù)需要事先布設(shè)多個外部信號節(jié)點，對外部設(shè)備有較強的依賴性。無源定位技術(shù)不需要事先布設(shè)節(jié)點，是一種自主的室內(nèi)定位技術(shù)。其中，文獻[7]提出了行人航跡推算（Pedestrian Dead Reckoning，PDR）算法來實現(xiàn)行人的定位，PDR算法的基本原理是利用加速度信號的周期性來確定用戶行走時的步頻，采用相關(guān)模型 估計步長，結(jié)合從角度傳感器獲得的方向信息推算 出行人的位置、距離、速度和方向等信息[8]。該算法較傳統(tǒng)慣性導(dǎo)航機制的定位精度更高，但是隨著時間的增加，傳感器誤差會不斷積累，在行走一段距離后PDR的定位精度會急劇下降。文獻[9?11]中所述僅依靠慣性傳感器進行零速檢測的方法，在行走步態(tài)穩(wěn)定的情況下可以取得較好的定位效果，但在跑動或步態(tài)復(fù)雜的情況下零速檢測效果較差，無法實現(xiàn)行人的高精度室內(nèi)定位。宋鏢等人設(shè)計了慣性輔助地磁的手機室內(nèi)定位系統(tǒng)，以最小距離度量法校正慣導(dǎo)的累積誤差，但是這種方法也是需要事先采集室內(nèi)地磁值，并且地磁值會隨著外部環(huán)境的變化而變化[12]。若想在復(fù)雜步態(tài)環(huán)境下取得較高的行人室內(nèi)定位精度，還需借助其他傳感器輔助慣性傳感器。針對以上問題，本文提出了基于彎曲傳感器輔助的行人室內(nèi)定位零速修正方法，可以在復(fù)雜步態(tài)下實現(xiàn)行人較高精度的室內(nèi)定位。

1? 系統(tǒng)構(gòu)成

本系統(tǒng)由慣性測量單元以及彎曲傳感器分別檢測行人的行走速度、航向以及行人行走時關(guān)節(jié)的彎曲度。通過處理器解算行人的航向以及判斷行人的零速區(qū)間，借助彎曲傳感器對行人的速度、航向以及位置進行不斷修正更新。其中慣性測量單元包括加速度計、陀螺儀。系統(tǒng)原理框圖如圖1所示。

2? 零速檢測

行人正常行走時，步態(tài)周期包含5個階段：腳跟觸地、腳跟和腳尖觸地、站立、腳跟離地、腳尖離地，這5個階段循環(huán)往復(fù)，構(gòu)成行人的運動過程[13]。在行人腳步從落地時刻到離開地面時刻之間，加速度計和陀螺儀的輸出值表現(xiàn)為一個較為穩(wěn)定的狀態(tài)，這個狀態(tài)即為零速狀態(tài)。此時可以將腳步零速作為觀測值，利用零速修正算法來對測量誤差進行修正。行人行走步態(tài)周期如圖2所示。

通過分析行人行走特點，可以通過慣性測量單元得出行人運動時的加速度以及角速度數(shù)據(jù)來判斷行人的步態(tài)。步態(tài)檢測的準確性對零速修正算法至關(guān)重要。

根據(jù)行人行走時加速度計與陀螺儀輸出數(shù)據(jù)的周期性，構(gòu)建出以下4個檢測零速的條件：

1） 判斷加速度計輸出的行人總加速度的模是否小于設(shè)定的閾值。

[ai=abi（x）2+abi（y）2+abi（z）2λ1=1，? ? tha min

式中，[tha min]，[tha max]分別為設(shè)定閾值的下限和上限。

2） 通過設(shè)置滑動窗口，判斷加速度計輸出值的方差是否小于設(shè)定的閾值。

[σ2n=12s+1n=i-li+l（an-abi）2λ2=1，? ? ?σn>thσa0，? ? 其他] （2）

式中，[abi]為滑動窗口中的加速度計測量值的平均值：

[abi=12s+1n=i-li+lan] （3）

式中，s為滑動窗口長度。

3） 陀螺儀輸出值的模小于設(shè)定的閾值。

[ωi=ωbix2+ωbiy2+ωbiz2λ3=1，? ? ωi

式中，[thω max]為設(shè)定的閾值。

4） 通過設(shè)置滑動窗口，結(jié)合加速度和陀螺儀數(shù)據(jù)得：

[Ti=1sXNω+YNaλ4=1，? ? ?Ti

式中：[X=n=ii+s-1a2n] ;[Y=n=ii+s-1ω2n];[Nω]為陀螺儀噪聲的方差;[Na]為加速度計噪聲的方差;[thgm]為設(shè)置的判斷閾值。

當(dāng)同時滿足上述4個條件時，即認為行人處于零速狀態(tài)，否則認為行人處于非零速狀態(tài)。

3? 彎曲傳感器輔助檢測

眾所周知，當(dāng)行人行走時整只腳完全與地面接觸的時間相對較長，但是當(dāng)行人跑動時，行人的整只腳完全與地面接觸的時間是非常短暫的[14]，在幾十到幾百毫秒。這時只是由上述4個條件判斷行人的零速區(qū)間是不準確的，所以利用彎曲傳感器檢測行人胯關(guān)節(jié)及膝關(guān)節(jié)的彎曲度可以作為行人零速檢測的又一個重要條件。本文中彎曲傳感器選擇RFP彎曲傳感器，該傳感器為電阻式，當(dāng)被測物的彎曲度發(fā)生變化時，傳感器的電阻也隨之發(fā)生變化，呈彎曲越大電阻越小的變化特性。測量電路如圖3所示。

RFP彎曲傳感器采用的是測量RFP單點傳感器可變電阻的電壓值。該變阻器的阻值隨著關(guān)節(jié)的彎曲度變化而發(fā)生變化，進而引起兩端電壓的變化。其中運算放大器采用的是MAX4495。阻值計算公式為：

[RRFP=（V+VOUT-1）·R1] （6）

行人行走時，胯關(guān)節(jié)和膝關(guān)節(jié)的彎曲度較為明顯具有規(guī)律的變化，同時也都具有較好的重復(fù)性及穩(wěn)定性，所以本方法選擇將傳感器安裝在這兩個關(guān)節(jié)處。彎曲傳感器以及安裝位置示意圖如圖4所示。

圖4中標出的1，2位置即為傳感器安裝位置。由觀察可知，行人在腳跟著地到腳尖離地這段時間位置是沒有發(fā)生變化的，此時人體的胯關(guān)節(jié)的角度將由最小逐漸變大，膝關(guān)節(jié)的角度則由最大逐漸變小，利用這種特性，設(shè)置合適的閾值對這一零速階段進行檢測。

在彎曲傳感器輔助下，行人在跑動狀態(tài)下的零速區(qū)間得到了更好的檢測，同時將行人的最大跑動速度控制在5 m/s以下，得到較好的零速修正效果。零速修正后的行人的跑動速度以及零速檢測的效果圖如圖5所示。

4? 擴展卡爾曼算法

由于慣性傳感器存在零點漂移以及溫度漂移，并且會受到載體抖動等影響，因此需要對這些數(shù)據(jù)進行處理。擴展卡爾曼濾波可以運用于非線性化的系統(tǒng)[15]，在慣性導(dǎo)航系統(tǒng)中應(yīng)用廣泛。

擴展卡爾曼濾波可以對具有非線性的任意過程進行狀態(tài)預(yù)測以及更新，選取速度誤差、姿態(tài)誤差、位置誤差、加速度計噪聲和陀螺儀噪聲作為狀態(tài)量。

對應(yīng)的狀態(tài)預(yù)測以及更新過程可表示為：

[Y=GX+WZ=HX+V] （7）

式中：[G]是由誤差模型和狀態(tài)矢量構(gòu)成的系統(tǒng)矩陣;[W]表示系統(tǒng)隨機過程噪聲序列;[H]為觀測矩陣;[V]表示系統(tǒng)隨機觀測噪聲序列。

在行人腳步處于零速狀態(tài)時，以零速作為參考，對系統(tǒng)進行更新，表1列出其中5次測試數(shù)據(jù)。

本實驗是采用在固定距離檢測跑動步數(shù)，其中存在誤差的實驗項是由于在最后一步腳步?jīng)]有調(diào)整好姿態(tài)導(dǎo)致的誤差，所以可以認為本實驗方法對行人在跑動狀態(tài)下的步數(shù)檢測的準確率為100%。

5? 實驗結(jié)果及分析

為了驗證本文提出方法的定位效果，進行了相應(yīng)實驗。測試者將慣性測量單元固定在鞋子的頭部，彎曲傳感器位置如圖4所示，有彎曲傳感器輔助下的跑動軌跡以及無彎曲傳感器輔助下的跑動軌跡分別如圖6所示。

通過分析得，基于慣性傳感器的普通零速修正方法與本文提出的彎曲傳感器輔助的零速修正方法在行人跑動狀態(tài)下的定位誤差如表2所示。

可以看出，本文提出的定位方法較普通零速修正方法在行人跑動狀態(tài)下的定位平均誤差降低了67.4%，有效提高了定位精度。以下是從標定的起始點按照指定的路線行走，再次回到起點，然后將測得的數(shù)據(jù)導(dǎo)入Matlab中處理，實驗結(jié)果如圖7所示。

6? 結(jié)? 語

本文提出的基于彎曲傳感器輔助的行人室內(nèi)定位零速修正方法，通過對行人行走方向以及速度的解算，結(jié)合慣性測量單元和彎曲傳感器對行人的零速區(qū)間進行檢測，通過設(shè)置相應(yīng)的閾值實現(xiàn)行人的零速修正，有效提高了行人的室內(nèi)定位精度。該方法較只依靠慣性傳感器對行人進行零速檢測的方法有更高的可靠性。實驗結(jié)果表明，通過彎曲傳感器輔助下的零速修正方法，在行人行走以及跑動狀態(tài)下，行人的室內(nèi)定位都有較高的精度，優(yōu)于只依靠慣性傳感器進行行人室內(nèi)定位的方法。本文提出的定位方法具有較高的定位精度以及較高的實用價值。

參考文獻

[1] 王楊，趙紅東.室內(nèi)定位技術(shù)綜述及發(fā)展前景展望[J].測控技術(shù)，2016，35（7）：1?3.

WANG Yang， ZHAO Hongdong. Overview and prospect of indoor location techniques [J]. Measurement and control technology， 2016， 35（7）： 1?3.

[2] 王小輝，汪云甲，張偉.基于RFID 的室內(nèi)定位技術(shù)評述[J].傳感器與微系統(tǒng)，2009，28（2）：1?3.

WANG Xiaohui， WANG Yunjia， ZHANG Wei. Review of RFID?based indoor positioning technology [J]. Sensors and microsystems technology， 2009， 28（2）： 1?3.

[3] 張明華.基于WLAN的室內(nèi)定位技術(shù)研究[D].上海：上海交通大學(xué)，2009.

ZHANG Minghua. Research on indoor positioning technology based on WLAN [D]. Shanghai： Shanghai Jiao Tong University， 2009.

[4] 陳國平，馬耀輝，張百珂.基于指紋技術(shù)的藍牙室內(nèi)定位系統(tǒng)[J].電子技術(shù)應(yīng)用，2013，39（3）：104?107.

CHEN Guoping， MA Yaohui， ZHANG Baike. Bluetooth indoor positioning based on fingerprint technology [J].Application of electronic technique， 2013， 39（3）： 104?107.

[5] 楊狄，唐小妹，李柏渝，等.基于超寬帶的室內(nèi)定位技術(shù)研究綜述[J].全球定位系統(tǒng)，2015，40（5）：34?40.

YANG Di， TANG Xiaomei， LI Baiyu， et al. A review of ultra wideband based indoor localization technology [J]. GNSS world of China， 2015， 40（5）： 34?40.

[6] 于秀芬，段海濱，龔華軍.移動機器人視覺定位方法的研究與實現(xiàn)[J].數(shù)據(jù)采集與處理，2004，19（4）：433?437.

YU Xiufen， DUAN Haibin， GONG Huajun. Research and implementation of visual positioning method for mobile robots [J]. Journal of data acquisition & processing， 2004， 19（4）： 433?437.

[7] LEVI R W， JUDD T. Dead reckoning navigational system using accelerometer to measure foot impacts： US5583776 [P]. 1996?12?10.

[8] 陳偉.基于GPS和自包含傳感器的行人室內(nèi)外無縫定位算法研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2010.

CHEN Wei. Research on indoor and outdoor seamless positioning algorithm for pedestrians based on GPS and self?contained sensors [D]. Hefei： University of Science and Technology of China， 2010.

[9] 田曉春，陳家斌，韓勇強，等.多條件約束的行人導(dǎo)航零速區(qū)間檢測算法[J].中國慣性技術(shù)學(xué)報，2016，24（1）：1?5.

TIAN Xiaochun， CHEN Jiabin， HAN Yongqiang， et al. Zero?velocity interval detection algorithm with multi?condition constraint for pedestrian navigation [J]. Journal of Chinese inertial technology， 2016， 24（1）： 1?5.

[10] GANESH A， TECH M， GANESHKUMAR K， et al. Multi sensor for reliable soldier and indoor navigation system [J]. International journal of advancements in research & technology， 2014， 3（2）： 74?80.

[11] 費程羽，蘇中，李擎.行人慣性導(dǎo)航零速檢測算法[J].傳感器與微系統(tǒng)，2016，35（3）：147?153.

FEI Chengyu， SU Zhong， LI Qing. Zero velocity detection algorithm for pedestrian inertial navigation [J]. Journal of sensors and microsystems technology， 2016， 35（3）： 147?153.

[12] 宋鏢，程磊，周明達，等.基于慣導(dǎo)輔助地磁的手機室內(nèi)定位系統(tǒng)設(shè)計[J].傳感技術(shù)學(xué)報，2015，28（8）：1249?1254.

SONG Biao， CHENG Lei， ZHOU Mingda， et al. The design of cellphone indoor positioning system based magnetic assisted inertial navigation technology [J]. Chinese journal of sensors and actuators， 2015， 28（8）： 1249?1254.

[13] SMID E G， STIGLICH T P. Inertial tracking system with provision for position correction： US8825435 [P]. 2014?09?02.

[14] 趙小明，鄧方瑾，楊松普，等.基于壓力傳感器輔助的行人室內(nèi)定位零速修正方法[J].中國慣性技術(shù)學(xué)報，2018，26（1）：1?5.

ZHAO Xiaoming， DENG Fangjin， YANG Songpu， et al. Pressure capsule?aided zero?velocity update algorithm for pedestrian inertial navigation [J]. Journal of Chinese inertial technology， 2018， 26（1）： 1?5.

[15] 安雷，張國良，張維平，等.移動機器人擴展卡爾曼濾波定位與傳感器誤差建模[J].信息與控制，2012，41（4）：406?412.

AN Lei， ZHANG Guoliang， ZHANG Weiping， et al. Extended kalman filter positioning and sensor error modeling for mobile robots [J]. Information and control， 2012， 41（4）： 406?412.