基于MEMS慣性傳感器的行人航位推算系統*

李金鳳， 王慶輝， 劉曉梅， 曹 順， 張慕遠

(沈陽化工大學 信息工程學院，遼寧 沈陽 110142)

基于MEMS慣性傳感器的行人航位推算系統*

李金鳳， 王慶輝， 劉曉梅， 曹 順， 張慕遠

(沈陽化工大學 信息工程學院，遼寧 沈陽 110142)

提出一種基于低成本MEMS自包含傳感器，能自主完成數據采集、數據處理的行人航位推算(PDR)系統。硬件平臺集成三軸加速度計、三軸陀螺儀、三軸數字羅盤及氣壓計，不需任何額外設施。通過自包含傳感器測量行人行走的步長、方位及高度，實現行人室內、外三維定位。采用加速度信號實現跨步探測和步長估計。利用互補濾波器融合加速度計、陀螺儀和數字羅盤數據，矯正陀螺儀的測量誤差和磁場干擾對數字羅盤的影響，提高行人行走的方位精度。測試結果表明：系統的定位誤差低于行進距離的4%，滿足行人定位要求。驗證了系統的有效性和可靠性。

互補濾波器； MEMS慣性傳感器； 行人航位推算； 室內定位

0 引 言

行人跟蹤與導航可應用于軍事、科學、商業等領域，近年來吸引了廣泛關注。全球定位系統(GPS)能提供精度到m甚至是cm量級的三維絕對位置信息，已廣泛應用于戶外環境[1,2]。然而，受信號衰減、衛星幾何分布及多徑效應等影響[3]，在茂密的森林、城市峽谷、室內應用中，GPS信號精度明顯下降[4]。僅利用GPS技術難以實現室內外無縫定位。為彌補GPS的信號中斷，需將GPS定位信息與其它定位方法相結合。

室內定位方法可分為兩類：基于無線局域網絡和基于自包含傳感器。基于基礎設施的局域網絡如超聲波、紅外線、WiFi,UWB,RFID,Zig Bee、視覺[5～7]等不僅部署困難而且費時費力[1]。基于自包含傳感器的定位算法利用航位推算方法獲得行人位置，即行人航位推算(PDR)。不需要任何基礎設施，是一個很好的解決方案。將GPS技術和慣性傳感器相結合可在室內、外環境中獲得高精確行人定位[8,9]。

PDR方法從已知初始位置開始，利用步長和方位推算行人的相對位置。為便于測量，自包含傳感器如加速度計、陀螺儀、磁傳感器等應選用成本低、尺寸小、重量輕的MEMS傳感器。然而，廉價的MEMS傳感器存在漂移誤差。陀螺儀信號的較小誤差將累積成較大的方位誤差。

因此，為提高PDR的定位精度，應仔細設計PDR的硬件系統及其對應的算法。

本文提出一種集成GPS接收機、三軸加速度計、三軸陀螺儀、三軸數字羅盤及氣壓傳感器的PDR系統。慣性測量裝置固定在用戶腰部。定位算法將GPS與PDR相結合，利用互補濾波器融合慣性傳感器數據，獲取行人方位信息。

1 系統概述

為選擇適合的傳感器，需考慮諸多因素，如體積、重量、成本、動態范圍、采樣率、偏置及功耗等[1]。本文設計的慣性傳感器模塊集成了一只三軸加速度計和三軸陀螺儀MPU6050、一只三軸數字羅盤HMC5883及氣壓傳感器MS5611。

硬件系統以微處理器芯片STM32F407為核心，自主完成數據采集、數據處理，系統結構框圖如圖1所示，PDR算法與GPS信號相融合實現定位。當GPS信號可用時，行人的最終位置和方位由GPS信息提供，GPS信息亦可用來校準慣性傳感器的方位誤差；當GPS信號不可用時，利用PDR算法推算相對于前一個GPS定點的相對位置，形成高精度室內外定位。

圖1 提出的行人航位推算系統結構Fig 1 The proposed architecture of PDR system

2 算 法

PDR算法包括三方面內容：跨步探測、步長估計、方位及位置確定[2]。平面位置可從已知初始位置開始，由行人的步長和方位推出。低成本MEMS傳感器易受漂移誤差影響。設計的PDR算法應在行人行走過程中，降低偏差、提高定位精度[1]。

2.1 跨步探測

每行走一步，行人腳部均要經歷平穩、加速、減速、再次平穩的周期性變化過程[1]。

本文加速度計固定在行人腰部，將過零點探測、峰值探測及時間限制相結合進行跨步探測。

行人行走過程中，加速度信號的三個軸均表現出周期性特征，z軸數據尤為明顯。采用三個軸產生的總加速度值探測跨步。每次采樣的幅值為

(1)

行人行走過程中身體震動、傳感器偏置及噪聲等造成加速度計輸出信號失真,這將影響跨步峰值探測、步長估計甚至導致計步錯誤,為提高系統性能，采用平滑濾波器降低外部干擾影響[3]

(2)

這里，2L+1為平滑濾波器長度。比較三個相鄰加速度值，找到局部峰值,若局部峰值大于設定的閾值，則為有效峰值。計算兩相鄰有效峰值間的時間間隔,若間隔大于300 ms，則探測到跨步。跨步的結束點由過零點探測。圖2給出濾波前、后的總加速度信號，并給出跨步探測結果。圖2(b)中標記的圓圈為探測出的跨步。

圖2 總加速度信號Fig 2 Total acceleration signal

2.2 步長估計

在生物力學上，步長隨步頻的提高而提高。當步頻介于1.35～2.45之間時，步長可表示為[3,10]

S=0.450 4f-0.165 6,

(3)

式中f為頻率，S為步長。圖2(b)中兩個圓圈間的時間間隔即為跨步周期，通過該周期可求出步頻。

2.3 方位確定

相對于磁北極的方位角可直接從數字羅盤中得到，但數字羅盤易受磁場干擾[2]，動態性能很差。陀螺儀具有良好的動態響應特性。但陀螺儀的隨機漂移將累積較大誤差。陀螺儀與數字羅盤在頻域上具有互補特性，可利用互補濾波器將傳感器數據進行融合提高精度和動態性能[11]，互補濾波器算法結構如圖3所示。

圖3 互補濾波器算法結構Fig 3 Algorithm structure of complementary filter

地球重力場的參考方向為

Eg=[0 0 0 1].

(4)

傳感器的參考方向為

[0 0 0 1]?[q0q1q2q3].

(5)

地球磁場的參考方向為

(6)

(7)

傳感器磁場的參考方向為

(8)

測量值與參考值間的誤差為

Error_a=Sa×Sg,

(9)

Error_m=Sm×Sb.

(10)

2.4 三維位置估計

行人位置可表示為[12]

Ek+1=Ek+Sksinφk,

(11)

Nk+1=Nk+Skcosφk,

(12)

Hk+1=Hk+ΔHk,

(13)

式中k為第k步，E為東坐標，N為北坐標，H為高度，φ為相對于磁北的方位角，ΔH為高度差，S為步長。

高度信息可從氣壓計的測量結果求得，用于判斷行人所處建筑物的樓層。大氣壓力與高度間滿足

(14)

式中p0為標準大氣壓力值1 013.25 mbar;H為高度，m;p為行人所處位置的大氣壓力值，mbar。

3 實驗與結果

為驗證傳感器模塊與PDR算法的有效性，在沈陽化工大學校園內沿室內外多條路線進行實際步行測試。

3.1 室外測試

室外測試在沈陽化工大學的化工金字塔廣場進行。測試路線是直徑為60 m的圓形，長度約為188 m，共行走248步。經驗證：跨步探測算法精度為100 %。測試結果如圖4所示。圖4中，實線為真實路線，虛線為實測曲線。從起點A至點B，實測曲線與真實路線吻合得較好。從B點開始存在角度誤差，且誤差越來越大。該誤差源于傳感器模塊的輕微震動和廣場中金屬建筑引起的磁干擾。實測曲線與真實路線間的最大誤差為7 m，低于總步行距離的4 %。定位精度很大程度上取決于方位角精度。

圖4 室外測試結果Fig 4 Result of outdoor test

3.2 室內測試

室內測試在8#實驗樓的3樓走廊進行，長度約為174 m，共行走260步。行走路線包括4個90°轉彎，起點為A點，終點為F點。為驗證系統性能，沿路線行走了3次，測試結果如圖5所示。由圖可見，A點與B點間的測試結果與真實路線很接近。第4個90°轉彎處的方位角誤差最大。D點附近的位置誤差最大，約為5 m，低于總行走距離的3 %。

圖5 室內測試結果Fig 5 Result of indoor test

室內外實驗結果表明：實測結果與真實路線吻合得較好，驗證了系統的有效性和實用性。

4 結 論

本文提出一種集成GPS接收機和低成本慣性傳感器的硬件系統及其相應的PDR算法，用于室內、外行人導航應用。MEMS傳感器模塊，包括三軸加速度計、三軸陀螺儀、三軸數字羅盤和氣壓傳感器，固定在用戶腰部，用來確定行人行走的三維位置。詳細討論了PDR算法的跨步探測、步長估計、方向角及位置計算方法。室內外現場測試結果表明：定位誤差低于行進距離的4%。驗證了系統的有效性和可靠性。

利用GPS數據與PDR算法進行行人室內外無縫定位有待于進一步深入研究。

[1] Huang Chengliang,Liao Zaiyi,Zhao Lian.Synergism of INS and PDR in self-contained pedestrian tracking with a miniature sensor module[J].IEEE Sensors Journal,2010,10(8):1349-1359.

[2] Chen Wei,Fu Zhongqian,Chen Ruizhi,et.al.An integrated GPS and multi-sensor pedestrian positioning system for 3D urban navigation[C]∥Urban Remote Sensing Joint Event,2009:1-6.

[3] Sun Zuolei,Mao Xuchu,Tian Weifeng,et al.Activity classification and dead reckoning for pedestrian navigation with wearable sensors[J].Measurement Science and Techology,2009,20:1-10.

[4] Widyawan W,Klepal Martin,Beauregard St′ephane.A backtra-cking particle filter for fusing building plans with PDR displacement estimates[C]∥Proceedings of the 5th Workshop on Positioning,Navigation and Communication, Hannover,2008:207-212.

[5] Jiménez A R,Seco F,Prieto C,et al.A comparison of pedestrian dead-reckoning algorithms using a low-cost MEMS IMU[C]∥6th IEEE International Symposium on Intelligent Signal Processing,Budapest,2009:37-42.

[6] Antonio Ramón Jiménez Ruiz,Fernando Seco Granja,José Carlos Prieto Honorato,et al.Accurate pedestrian indoor navigation by tightly coupling foot-mounted IMU and RFID measurements[J].IEEE Transactions on Instrumentation and Measurement,2012,61(1):178-189.

[7] Liu Hui,Darabi Houshang,Pat Banerjee,et al.Survey of wireless indoor positioning techniques and systems[J].IEEE Transactions on Systems,Man,and Cybernetics—Part C:Applications and Reviews,2007,37(6):1067-1080.

[8] Raúl Feliz,Eduardo Zalama,Jaime Gómez García-Bermejo.Pedestrian tracking using inertial sensors[J].Journal of Physical Agents,2009,3(1):35-42.

[9] Gérard Lachapelle. Pedestrian navigation with high sensitivity GPS Receivers and MEMS[J].Personal and Ubiquitous Computing,2007,11:481-488.

[10] 孫作雷,茅旭初,田蔚風,等.基于動作識別和步幅估計的步行者航位推算[J].上海交通大學學報,2008,42(12):2002-2005.

[11] 梁延德,程 敏,何福本,等.基于互補濾波器的四旋翼飛行器姿態解算[J].傳感器與微系統,2011,30(11):56-61.

[12] Liu Zexi,Aduba Chukwuemeka,Won Chang-Hee.In-plane dead reckoning with knee and waist attached gyroscopes[J].Measurement,2011,44:1860-1868.

Pedestrian dead reckoning system based on MEMS inertial sensor*

LI Jin-feng, WANG Qing-hui, LIU Xiao-mei, CAO Shun, ZHANG Mu-yuan

(College of Information Engineering,Shenyang University of Chemical Technology, Shenyang 110142,China)

A pedestrian dead reckoning(PDR)system based on low-cost MEMS self-contained sensor is proposed,which can collect and process datas autonomously.Hardware platform integrates three-axis accelerometer,three-axis gyroscope,three-axis digital compass and barometer,no any additional facilities are required.Through self-contained sensor measure step-length,bearing and altitude of the pedestrian to achieve three-dimensional indoor and outdoor positioning.The acceleration signal is utilized to realize stride detection and step length estimation.A complementary filter is used to fuse datas from accelerometer,gyroscope and digital compass to correct measurement error of gyroscope and impact of magnetic field interference on digital compass and improve bearing precision.Test results illustrate that positioning error of the system is less than 4 % of total traveled distance,which meets requirements of pedestrian positioning.The effectiveness and reliability of the system are validated.

complementary filter; MEMS inertial sensor; pedestrian dead reckoning(PDR); indoor localization

10.13873/J.1000—9787(2014)12—0085—03

2014—04—24

遼寧省教育廳資助項目(L2013159)

TP 274

A

1000—9787(2014)12—0085—03

李金鳳(1979-)，女，遼寧大石橋人，博士，講師，研究方向為基于MEMS技術的低成本微型慣性導航系統。