馮 沖， 孫 宇， 黃 亮

（1.廣西光譜空間信息科技有限公司，南寧 530000； 2.昆明理工大學(xué)，昆明 650093）

隨著科學(xué)技術(shù)的突飛猛進(jìn)和城市化進(jìn)程的不斷加快，大型商場(chǎng)、機(jī)場(chǎng)、地鐵站、辦公樓等建筑迅速增加，人們對(duì)于室內(nèi)定位的需求也愈加迫切［1］. 另外，在諸多應(yīng)急搶險(xiǎn)、通信、追蹤等任務(wù)中，也需要高精度的室內(nèi)定位技術(shù)［2-4］. 目前常用的室內(nèi)定位技術(shù)有Wi-Fi定位、藍(lán)牙定位、共頻帶技術(shù). Wi-Fi定位是通過(guò)測(cè)距算法計(jì)算目標(biāo)位置來(lái)進(jìn)行室內(nèi)定位，但要想通過(guò)該方法實(shí)現(xiàn)高精度室內(nèi)定位需要建立較多的Wi-Fi基站，使系統(tǒng)成本大大增加，且其有效服務(wù)范圍僅有100 m［5］. 藍(lán)牙定位能夠根據(jù)當(dāng)前時(shí)刻的信號(hào)觀測(cè)值實(shí)現(xiàn)長(zhǎng)期定位且功耗相對(duì)較低，但對(duì)于大范圍室內(nèi)目標(biāo)跟蹤需要大量節(jié)點(diǎn)，且易受定位跳變誤差的影響［6］. 在衛(wèi)星導(dǎo)航系統(tǒng)信號(hào)接收良好的情況下，采用共頻帶技術(shù)能夠?qū)崿F(xiàn)實(shí)時(shí)高精度定位，但在信號(hào)較差的密閉室內(nèi)或者山區(qū)林地等環(huán)境中，采用該方法進(jìn)行定位易產(chǎn)生定位偏移［7］. 總之，常用的室內(nèi)定位技術(shù)對(duì)基礎(chǔ)設(shè)施的依賴較強(qiáng)、使用成本較高，且工作范圍小、易受環(huán)境影響. 因此，構(gòu)建一種無(wú)源自主、穩(wěn)定性好、精度高的室內(nèi)導(dǎo)航定位系統(tǒng)十分必要.

慣性導(dǎo)航系統(tǒng)是一種自主導(dǎo)航系統(tǒng)，它是利用物體的基本屬性來(lái)進(jìn)行導(dǎo)航，無(wú)須預(yù)先構(gòu)建硬件設(shè)施，也無(wú)須接收信號(hào)，具有良好的抗干擾性、穩(wěn)定性和隱蔽性. 慣性導(dǎo)航系統(tǒng)以牛頓力學(xué)為基礎(chǔ)，可通過(guò)加速度計(jì)和陀螺儀獲取載體的加速度和角速度信息，且能夠結(jié)合前一時(shí)刻載體的速度和位置信息獲得載體當(dāng)前時(shí)刻的速度和位置信息. 慣性測(cè)量單元（Inertial Measurement Unit，IMU）作為慣性導(dǎo)航系統(tǒng)的核心，集成了加速度計(jì)和陀螺儀等傳感器，具有自主導(dǎo)航、不受環(huán)境干擾等優(yōu)點(diǎn). 隨著微機(jī)電系統(tǒng)（Micro Electro Mechanical System，MEMS）制造技術(shù)的發(fā)展，基于MEMS的IMU已被廣泛應(yīng)用于行人室內(nèi)導(dǎo)航定位中，它具有成本低、體積小、功耗低、靈敏度高、測(cè)量范圍大等優(yōu)點(diǎn)［8-10］.

鑒于此，本研究設(shè)計(jì)出了一種MEMS與慣性導(dǎo)航系統(tǒng)相結(jié)合的微慣性傳感器（MEMS-IMU）用于行人室內(nèi)導(dǎo)航定位，并提出了一種基于微慣性傳感器（MEMS-IMU）的行人室內(nèi)定位方法以提高M(jìn)EMS-IMU的定位精度. 該方法首先利用MEMS-IMU獲得行人室內(nèi)運(yùn)動(dòng)時(shí)腳部的加速度及角速度信息，然后通過(guò)慣性導(dǎo)航理論進(jìn)行姿態(tài)解算，最后采用滑動(dòng)窗口加速度方差算法采集零速區(qū)間，并采用基于卡爾曼濾波的零速修正算法對(duì)零速區(qū)間進(jìn)行修正. 該方法無(wú)須建立大型基礎(chǔ)設(shè)施即可實(shí)現(xiàn)高精度室內(nèi)定位，解決了常用室內(nèi)定位方法成本高、易受環(huán)境影響等問(wèn)題，具有重要的實(shí)際意義和應(yīng)用價(jià)值.

1 微慣性傳感器（MEMS-IMU）的工作原理

MEMS-IMU 中的測(cè)量裝置包括陀螺儀和加速度計(jì)，分別用來(lái)測(cè)量行人運(yùn)動(dòng)時(shí)腳部的角速度和加速度. MEMS-IMU可以將IMU的測(cè)量數(shù)據(jù)轉(zhuǎn)化為電信號(hào)，然后通過(guò)電路進(jìn)行放大、處理，進(jìn)而推算出行人的速度、位置和姿態(tài)信息［11］.

1.1 陀螺儀的工作原理

陀螺儀用來(lái)測(cè)量行人運(yùn)動(dòng)時(shí)腳部的角速度，本研究設(shè)計(jì)的MEMS-IMU采用的是振動(dòng)式陀螺儀. 振動(dòng)式陀螺儀主要由振動(dòng)質(zhì)量塊、彈簧和阻尼三部分組成，如圖1所示. 振動(dòng)質(zhì)量塊在xoy平面內(nèi)固定，并可沿x軸做運(yùn)動(dòng)，此時(shí)稱為驅(qū)動(dòng)模態(tài). 當(dāng)旋轉(zhuǎn)角速度發(fā)生在與驅(qū)動(dòng)模態(tài)相垂直的方向時(shí)，振動(dòng)質(zhì)量塊就會(huì)產(chǎn)生垂直于驅(qū)動(dòng)模態(tài)的敏感模態(tài)，此時(shí)振動(dòng)質(zhì)量塊就會(huì)在y軸方向上產(chǎn)生相應(yīng)的位移. 位移的改變可以被電容檢測(cè)到并轉(zhuǎn)換為電流輸出，然后通過(guò)檢測(cè)輸出的電壓大小即可獲得載體的角速度值.

圖1 振動(dòng)式陀螺儀簡(jiǎn)化模型Fig.1 Simplified model of vibratory gyroscope

1.2 加速度計(jì)的工作原理

加速度計(jì)用于測(cè)量行人運(yùn)動(dòng)時(shí)腳部的加速度，其主要依據(jù)為牛頓第二定律. 加速度計(jì)主要由質(zhì)量塊、彈簧和阻尼三個(gè)部分組成，如圖2所示. 敏感軸x軸豎直向上，質(zhì)量塊可沿x軸上下運(yùn)動(dòng).由于物體所受的合力等于物體質(zhì)量與加速度的乘積，因此只需測(cè)量加速度計(jì)內(nèi)部質(zhì)量塊所受到的合力便可得到物體的加速度. 質(zhì)量塊在不受任何外力的情況下處于自由狀態(tài)，將此時(shí)質(zhì)量塊的位置作為原點(diǎn)，當(dāng)基座的加速度方向與x軸同向時(shí)，彈簧會(huì)因?yàn)槭艿綉T性力而產(chǎn)生形變，因此產(chǎn)生與形變方向相反的力. 根據(jù)牛頓第二定律可得：

圖2 加速度計(jì)簡(jiǎn)化模型Fig.2 Simplified model of accelerometer

當(dāng)質(zhì)量塊穩(wěn)定時(shí)，x?=x?=0，則式（1）可化為：

設(shè)f為單位質(zhì)量所受外力，則有：

式中：m為質(zhì)量塊質(zhì)量，g；x?為質(zhì)量塊的位移對(duì)時(shí)間t求二階導(dǎo)數(shù)（即質(zhì)量塊的加速度），m/s2；x?為質(zhì)量塊的位移對(duì)時(shí)間t求一階導(dǎo)數(shù)（即質(zhì)量塊的速度），m/s；a為質(zhì)量塊運(yùn)動(dòng)的加速度，m/s2；c為彈簧勁度系數(shù)；x為彈簧形變，m；D為阻尼系數(shù)；g為重力加速度，m/s2；F彈為彈簧彈力，N.

由于加速度計(jì)在分辨慣性加速度和萬(wàn)有引力加速度時(shí)具有一定的局限性，因此其分辨結(jié)果會(huì)有一定的誤差，為了獲得更準(zhǔn)確的加速度，在使用時(shí)要從f中減去重力加速度g才能得到a.

2 行人運(yùn)動(dòng)零速區(qū)間的提取

2.1 行人行走步態(tài)分析

根據(jù)行人運(yùn)動(dòng)特點(diǎn)以及行人行走過(guò)程中的腳部運(yùn)動(dòng)規(guī)律可知，行走是由一組動(dòng)作重復(fù)進(jìn)行而實(shí)現(xiàn)的，無(wú)關(guān)個(gè)體差異，這個(gè)過(guò)程中雙腳支撐和單腳支撐這兩個(gè)動(dòng)作會(huì)反復(fù)轉(zhuǎn)換，且雙腳與地面之間交替接觸和分離［12］. 根據(jù)這一特點(diǎn)，將行人行走周期分為支撐相位和擺動(dòng)相位兩部分. 如圖3所示，以行人右腳為研究對(duì)象，將右腳尖離開(kāi)地面的瞬間記為擺動(dòng)相位的起始時(shí)刻，然后右腳尖離開(kāi)地面，向前邁進(jìn)，當(dāng)右腳跟再次觸及地面時(shí)擺動(dòng)相位終止，此時(shí)開(kāi)啟支撐相位，完成步態(tài)的周期性變換［13］.

圖3 行人行走步態(tài)示意圖Fig.3 Schematic diagram of pedestrian walking gait

2.2 零速區(qū)間的提取

根據(jù)行人行走的步態(tài)分析可知，在每一個(gè)行走周期中都有一段行人腳底與地面完全接觸的時(shí)間，這段時(shí)間被稱為零速區(qū)間. 零速區(qū)間內(nèi)，行人腳部的運(yùn)動(dòng)速度和加速度的理論值都等于零. 基于人的行走規(guī)律，結(jié)合MEMS-IMU測(cè)量數(shù)據(jù)周期性變化的特點(diǎn)，可以提取零速區(qū)間. 加速度和方差可以體現(xiàn)行人行走步態(tài)中的突變信息，檢測(cè)該方差就可以準(zhǔn)確地得到行人行走的步態(tài)變化信息［14］. 故本研究采用滑動(dòng)窗口加速度方差算法來(lái)提取零速區(qū)間. 因?yàn)樵诹闼賲^(qū)間內(nèi)，人的腳部運(yùn)動(dòng)相對(duì)靜止，所以理論上零速區(qū)間內(nèi)的加速度和方差也不會(huì)發(fā)生改變. 滑動(dòng)窗口加速度方差算法可以對(duì)加速度方差進(jìn)行平滑處理，使得到的結(jié)果更加準(zhǔn)確.零速區(qū)間的判定條件為：

其中：

式中：GV為加速度矢量和方差的閾值，當(dāng)方差在閾值內(nèi)時(shí)，說(shuō)明加速度沒(méi)有改變，即處于零速區(qū)間內(nèi)；當(dāng)C2(k)為邏輯值1時(shí)，表示行人處于零速區(qū)間內(nèi)，當(dāng)C2(k)為邏輯值0時(shí)，表示行人的腳部運(yùn)動(dòng)有變化；為k時(shí)刻滑動(dòng)窗口的加速度平均值；δ(ak)2為加速度矢量和方差；j表示窗口內(nèi)第j個(gè)采樣點(diǎn)；aj為k時(shí)刻滑動(dòng)窗口內(nèi)各點(diǎn)的加速度矢量和；s為滑動(dòng)窗口的長(zhǎng)度.

3 基于卡爾曼濾波的零速修正算法

3.1 零速修正算法

在對(duì)行人進(jìn)行定位的過(guò)程中，零速修正算法可以利用支撐相位內(nèi)速度為零的步態(tài)特點(diǎn)周期性地估計(jì)和校正定位誤差，從而可以限制誤差的累積、提高定位精度［15］. 零速修正算法的前提是要提取零速區(qū)間，得到行人速度為零的時(shí)刻. 根據(jù)零速區(qū)間的定義可知，行人處于零速區(qū)間時(shí)，MEMS-IMU 輸出的速度理論值也應(yīng)該等于零，但由于輸出值漂移、傳感器精度較低等問(wèn)題，MEMS-IMU的實(shí)際輸出速度并不為零. 為了簡(jiǎn)化運(yùn)算，假設(shè)輸出值存在線性漂移，利用該原理設(shè)計(jì)零速修正算法. 在理想狀態(tài)下，行人運(yùn)動(dòng)開(kāi)始時(shí)刻t1和結(jié)束時(shí)刻t2的速度都應(yīng)為零，但是由于速度v?(t)存在線性漂移，因此t2時(shí)刻的速度估計(jì)值不為零，故建立如下零速修正模型：

現(xiàn)在企業(yè)的經(jīng)濟(jì)結(jié)構(gòu)不合理主要是存量項(xiàng)目。應(yīng)該與存量?jī)?nèi)容調(diào)整為主。國(guó)有經(jīng)濟(jì)總量占比過(guò)大，約七成，自然的稱為存量?jī)?yōu)化的重點(diǎn)對(duì)象。盤活存量資產(chǎn)。企業(yè)的資產(chǎn)重組，一定程度上能夠解決結(jié)構(gòu)不平衡等的問(wèn)題。資本的更高效流動(dòng)，有助于實(shí)現(xiàn)重組。這個(gè)也是資產(chǎn)管理公司的重要業(yè)務(wù)發(fā)展方向。宏觀角度分析，重組優(yōu)化了經(jīng)濟(jì)結(jié)構(gòu)。也提高了資源配置的效率問(wèn)題。微觀角度，滿足企業(yè)自身發(fā)展的重組，有助于實(shí)現(xiàn)產(chǎn)業(yè)升級(jí)調(diào)整，發(fā)揮合并的優(yōu)勢(shì)。獲得規(guī)模經(jīng)濟(jì)的額外收益總體分析，重組是企業(yè)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的重要方法，解決存量資產(chǎn)呆賬的問(wèn)題，進(jìn)一步擴(kuò)大企業(yè)經(jīng)濟(jì)結(jié)構(gòu)的收益。提升在國(guó)內(nèi)和國(guó)外的經(jīng)濟(jì)影響力。提升競(jìng)爭(zhēng)力、盈利能力。

式中：v(t)為t時(shí)刻MEMS-IMU 輸出的實(shí)際速度值；v?(t)為t時(shí)刻的速度估計(jì)值；v?(t2)為t2時(shí)刻的速度估計(jì)值. 為得到位移，可以將修正后的速度進(jìn)行一次積分.

3.2 基于卡爾曼濾波的零速修正算法

卡爾曼濾波是一種遞推線性最小方差估計(jì)，是一種對(duì)狀態(tài)空間進(jìn)行估計(jì)的貝葉斯濾波算法［16］. 利用卡爾曼濾波可以由前一個(gè)狀態(tài)估計(jì)值和當(dāng)前時(shí)刻的測(cè)量值更新當(dāng)前時(shí)刻的狀態(tài)［17］. 另外，該算法全部都是以時(shí)間域?yàn)榛A(chǔ)建立的，它不僅可以應(yīng)用于一維平穩(wěn)的隨機(jī)過(guò)程，還可以應(yīng)用于多維非平穩(wěn)過(guò)程，對(duì)于解決濾波在頻域內(nèi)的問(wèn)題有很好的效果. 因?yàn)镸EMS-IMU測(cè)量結(jié)果結(jié)合了當(dāng)前時(shí)刻和以前時(shí)刻的速度和加速度值，所以每次只需要處理一個(gè)時(shí)刻的測(cè)量結(jié)果即可，在很大程度上減少了運(yùn)算量.

基于卡爾曼濾波的零速修正算法是利用系統(tǒng)模型和噪聲測(cè)量來(lái)估算行人定位系統(tǒng)的姿態(tài)、速度和位置誤差的［18］. 首先將理想情況下行人處于零速區(qū)間時(shí)的狀態(tài)與MEMS-IMU 實(shí)際輸出結(jié)果解算的速度值之間的差值作為測(cè)量方程，然后利用速度與姿態(tài)、位置之間的耦合關(guān)系，通過(guò)卡爾曼濾波來(lái)限制誤差的累積，提高導(dǎo)航定位精度［19-20］. 基于卡爾曼濾波的零速修正算法的詳細(xì)結(jié)構(gòu)如圖4所示.

圖4 基于卡爾曼濾波的零速修正算法的結(jié)構(gòu)圖Fig.4 Structure diagram of zero velocity update algorithm based on Kalman filter

4 實(shí)驗(yàn)及分析

4.1 實(shí)驗(yàn)方法

實(shí)驗(yàn)所用儀器為MEMS-IMU. 實(shí)驗(yàn)時(shí)首先將MEMS-IMU固定在行人鞋面上，另一端用USB數(shù)據(jù)線與筆記本電腦相連，先對(duì)卡爾曼濾波器進(jìn)行初始化，然后確定初始時(shí)刻的位置和姿態(tài)；之后實(shí)驗(yàn)人員手持筆記本電腦在室內(nèi)按照“8”字形路線行走，筆記本電腦通過(guò)USB數(shù)據(jù)線實(shí)時(shí)接收和存儲(chǔ)MEMS-IMU所采集的數(shù)據(jù)；最后將電腦中存儲(chǔ)的數(shù)據(jù)進(jìn)行離線處理，并通過(guò)基于卡爾曼濾波的零速修正算法進(jìn)行修正.

4.2 實(shí)驗(yàn)結(jié)果及分析

圖5為利用MEMS-IMU采集的一組時(shí)長(zhǎng)為60 s的原始運(yùn)動(dòng)數(shù)據(jù). 理論上，當(dāng)行人處于支撐相位時(shí)，角速度和加速度均為零，即陀螺儀的測(cè)量值為零，且加速度計(jì)的測(cè)量值為當(dāng)?shù)刂亓铀俣? 但是通過(guò)實(shí)驗(yàn)可以發(fā)現(xiàn)，MEMS-IMU的實(shí)際測(cè)量值均在各自的期望值附近波動(dòng)，如圖5所示，這是因?yàn)闊o(wú)論是行人的腳還是腳上的鞋，都不是理想剛體，從而導(dǎo)致真正的零速并不存在.

圖5 通過(guò)MEMS-IMU采集的一組時(shí)長(zhǎng)為60 s的原始運(yùn)動(dòng)數(shù)據(jù)Fig.5 A set of original motion data with a duration of 60 s collected by MEMS-IMU

為了證明本研究設(shè)計(jì)的MEMS-IMU的精確性，取4 s內(nèi)的測(cè)量數(shù)據(jù)對(duì)行人步態(tài)進(jìn)行分析，結(jié)果如圖6所示. 從圖6可以看出，固定在行人鞋面上的MEMS-IMU能夠精確地測(cè)量腳部與地面的每一次接觸和接觸之后的靜止時(shí)間段，且由加速度計(jì)測(cè)得的加速度和由陀螺儀測(cè)得的角速度均表現(xiàn)出與腳部運(yùn)動(dòng)同步的周期特性，說(shuō)明本研究設(shè)計(jì)的MEMS-IMU 能夠較好地識(shí)別行人運(yùn)動(dòng)規(guī)律.

圖6 MEMS-IMU測(cè)量數(shù)據(jù)及相應(yīng)的步態(tài)事件和步態(tài)時(shí)相Fig.6 MEMS-IMU measurement data and corresponding gait events and gait phases

圖7為利用滑動(dòng)窗口加速度方差算法提取零速區(qū)間的結(jié)果，藍(lán)色部分邏輯值為1，即零速區(qū)間；白色部分邏輯值為0，即非零速區(qū)間. 從圖7可以看出，零速區(qū)間的提取結(jié)果均勻且具有周期性，與MEMS-IMU 采集的60 s數(shù)據(jù)分布情況基本一致，說(shuō)明通過(guò)滑動(dòng)窗口加速度方差算法可以準(zhǔn)確提取零速區(qū)間.

圖7 零速區(qū)間提取結(jié)果Fig.7 Extraction results of zero velocity interval

協(xié)方差用于衡量?jī)蓚€(gè)變量的總體誤差. 若兩個(gè)變量的變化趨勢(shì)一致，則協(xié)方差為正值；若兩個(gè)變量的變化趨勢(shì)相反，則協(xié)方差為負(fù)值. 協(xié)方差的絕對(duì)值越小，說(shuō)明兩個(gè)變量的相關(guān)性越強(qiáng). 根據(jù)上述實(shí)驗(yàn)得到的數(shù)據(jù)分別繪制時(shí)間與位置、速度和姿態(tài)的協(xié)方差曲線，如圖8～10所示. 從圖8可以看出，x軸、y軸、z軸的位置協(xié)方差均隨著時(shí)間的推移而增大，且位置協(xié)方差最大值小于0.1 m，說(shuō)明位置誤差隨時(shí)間累積逐漸增大，但總體上看，時(shí)間對(duì)位置誤差的累積影響較小，由此可以證明本研究所提出的行人室內(nèi)定位方法可有效減少位置誤差的累積.

圖8 時(shí)間-位置協(xié)方差曲線Fig.8 Time-position covariance curve

從圖9 可以看出，速度協(xié)方差的最大值小于0.06 m/s，且每隔一段時(shí)間速度協(xié)方差就更新為初始值，說(shuō)明時(shí)間對(duì)速度誤差的累積影響極小，這也充分體現(xiàn)了零速修正算法的作用.

圖9 時(shí)間-速度協(xié)方差曲線Fig.9 Time-velocity covariance curve

行人腳部的姿態(tài)可以用俯仰角、橫滾角和航向角來(lái)描述，這三個(gè)角分別表示MEMS-IMU 繞地理坐標(biāo)系的x、y、z軸旋轉(zhuǎn)的角度. 俯仰角的變化反映了行人行走過(guò)程中足部的周期性擺動(dòng). 橫滾角的變化反映了行人行走過(guò)程中足部的不規(guī)則晃動(dòng). 航向角的變化反映了行人行走過(guò)程中足部的運(yùn)動(dòng)方向. 從圖10 可以看出，時(shí)間對(duì)航向角誤差的累積影響較大，對(duì)俯仰角和橫滾角誤差的累積影響均較小，其中航向角協(xié)方差的最大值小于0.3 deg，俯仰角和橫滾角的協(xié)方差最大值均小于0.1 deg，這說(shuō)明時(shí)間對(duì)姿態(tài)誤差的累積影響總體不大.

圖10 時(shí)間-姿態(tài)協(xié)方差曲線Fig.10 Time-attitude covariance curve

為了進(jìn)一步驗(yàn)證本研究所提出的行人室內(nèi)定位方法的準(zhǔn)確性，按照以下方法進(jìn)行6 組實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析. 首先，將MEMS-IMU 固定在實(shí)驗(yàn)人員的鞋面上，并將MEMS-IMU 與筆記本電腦相連；然后實(shí)驗(yàn)人員手持筆記本電腦在室內(nèi)按“8”字形路線行走，每次行走的實(shí)際距離均為100 m；之后采集MEMS-IMU 的測(cè)量結(jié)果并利用基于卡爾曼濾波的零速修正算法對(duì)采集到的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理，得到修正后的測(cè)量數(shù)據(jù)；最后對(duì)修正后的測(cè)量數(shù)據(jù)進(jìn)行誤差分析. 因本文只研究行人在水平面上行走的過(guò)程，不涉及高度變化，所以用平面誤差來(lái)衡量行人室內(nèi)定位方法的準(zhǔn)確性. 平面誤差即行人行走的實(shí)際距離與修正后的測(cè)量值之差的絕對(duì)值. 表1 統(tǒng)計(jì)了6 組實(shí)驗(yàn)中行人在室內(nèi)行走100 m 所產(chǎn)生的平面誤差，可以發(fā)現(xiàn)6組實(shí)驗(yàn)中行人在室內(nèi)行走100 m的所產(chǎn)生的平面誤差均小于0.5 m，說(shuō)明本研究所提出的行人室內(nèi)定位方法較為理想.

表1 行人在室內(nèi)行走100 m所產(chǎn)生的平面誤差Tab.1 Plane error caused by pedestrian walking 100 m indoors

5 結(jié)論

1）設(shè)計(jì)了一種利用微機(jī)電系統(tǒng)與慣性導(dǎo)航系統(tǒng)相結(jié)合的微慣性傳感器（MEMS-IMU），并將其用于行人室內(nèi)導(dǎo)航定位，同時(shí)通過(guò)實(shí)驗(yàn)證明所設(shè)計(jì)的MEMS-IMU具有較好的精度.

2）為了進(jìn)一步提高所設(shè)計(jì)的MEMS-IMU 對(duì)行人室內(nèi)導(dǎo)航定位的精度，提出了一種基于微慣性傳感器（MEMS-IMU）的行人室內(nèi)定位方法，該方法可利用基于卡爾曼濾波的零速修正算法對(duì)定位誤差進(jìn)行校正，進(jìn)而可減少誤差的累積. 通過(guò)實(shí)驗(yàn)表明，在零速區(qū)間內(nèi)，利用基于卡爾曼濾波的零速修正算法對(duì)定位誤差進(jìn)行校正，可以有效減少行人位置、運(yùn)動(dòng)速度以及腳部姿態(tài)的誤差累積，進(jìn)而可提高M(jìn)EMS-IMU對(duì)行人室內(nèi)導(dǎo)航定位的精度.

3）采用本研究提出的行人室內(nèi)定位方法進(jìn)行行人室內(nèi)導(dǎo)航定位時(shí)，行人在室內(nèi)行走100 m所產(chǎn)生的平面誤差小于0.5 m，說(shuō)明本研究所提出的行人室內(nèi)定位方法較為理想.