前言

　　定位是感知應用的一個重要屬性。在室內環(huán)境中，如果位置信息可用并非常可靠，有更多的應用場景可以實現(xiàn)的。行人航位推算(PDR) 就是這樣一種技術，在室內環(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、磁力計和壓力傳感器是航位推算應用中必不可少的傳感器組件，用之可大幅提升導航性能，這些器件的功耗必須極低，這樣才能始終保持開啟模式并提供數(shù)據(jù)用于航位推算應用。實現(xiàn)隨時隨地定位的目標離不開高品質的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試結果。

　　定位技術概述

　　全球導航衛(wèi)星系統(tǒng)(GNSS)接收器已成為室外導航解決方案的常用電子元器件，今天幾乎每一臺智能手機內部都有一個這樣的衛(wèi)星接收器芯片，可實現(xiàn)各種與位置相關的移動服務，其中包括導航、興趣點搜索和地圖。用戶開始期待他們的設備在所有環(huán)境中都能提供位置信息，但是他們通常忽略衛(wèi)星信號是不能穿透商廈和候機樓的墻壁和屋頂這個事實。建筑材料會使全球導航衛(wèi)星系統(tǒng)信號衰減變弱，即使高靈敏度接收器也無法在室內收到定位信息。

　　目前業(yè)內正在開發(fā)不同的行人航位推算解決方案，大都采用無線發(fā)射器充當信標，利用三角測量法計算接收器的位置。這些解決方案利用室內環(huán)境中的Wi-Fi接入點(AP)定位。類似的解決方案還包括使用藍牙發(fā)射器、GSM和其它手機發(fā)射器或專用信標，例如Nextnavfor室內定位設備。這些技術整合運用服務器等基礎設施傳送的輔助GPS/GLONASS數(shù)據(jù)、星歷擴展數(shù)據(jù)和Wi-Fi接入點(AP)位置數(shù)據(jù)。此外，還有一種使用MEMS傳感器(加速度計、磁力計、陀螺儀和高度計)計算位置數(shù)據(jù)的室內導航技術。今天幾乎所有的智能手機、平板電腦、數(shù)碼相機、健身產品等便攜消費電子產品都配有MEMS傳感器。這些傳感器配合行人航位推算(PDR) 技術能夠確定用戶位置。每項室內定位技術都有其長處和短板。

　　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信息源送來的信息，然后將具有不確定性的單一位置值提供給應用。使用信任參數(shù)、相關參數(shù)和過去測量數(shù)據(jù)推算每個位置，權衡Wi-Fi、藍牙、行人航位推算和全球導航衛(wèi)星系統(tǒng)等多個技術送來的信息，數(shù)據(jù)整合算法在其中發(fā)揮著關鍵作用。在室外，全球導航衛(wèi)星系統(tǒng)接收器送來的位置信息精度良好，不確定性低。當控制器使用的測量數(shù)據(jù)是來自用戶附近的Wi-Fi接入點時，位置計算信號強度高，Wi-Fi系統(tǒng)送來的位置估測數(shù)據(jù)精度也就比較高(相關不確定性低)。不過，Wi-Fi接入點數(shù)據(jù)庫(包含Wi-Fi接入點位置數(shù)據(jù)及其不確定性數(shù)據(jù))的品質也會影響定位精度。

　　PDR行人航位推算不依賴任何外力協(xié)助，無需任何外部基礎設施配合，就能產生精確的相對位置定位信息。因此，其特點與絕對定位技術優(yōu)勢互補，例如，全球導航衛(wèi)星系統(tǒng)或基于Wi-Fi的導航系統(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

　　移動設備中的MEMS傳感器因受到數(shù)據(jù)漂移和噪聲的影響，會引起基于積分運算方法的傳統(tǒng)慣性導航系統(tǒng)出現(xiàn)難以處理的位移和姿態(tài)誤差。在行人航位推算應用中，傳統(tǒng)積分運算導航方法效果不理想，因為與人體運動相關的復雜動力學很難建模，將其用于運算有不小的難度。在過去十年中，業(yè)內主要開發(fā)出兩種很有前景的室內環(huán)境行人導航方法，一種在參考文獻[1]論述的基于零速率更新的INS-EKF-ZUPT (IEZ)慣導方法，另一種是包括步伐檢測、步長估算和航向算法的基于人類步行動力學的慣導方法。基于零速率更新的(ZUPT)的方法基于一個假設和一個物理現(xiàn)象，即假設慣性傳感器是安裝在腳上，且每邁出一步后都是暫時靜止狀態(tài)。本文主要討論通用性更強的方法。

　　從通用導航方程式[2]可以推出行人航位推算過程的數(shù)學表述。在進行兩次積分運算后，平臺加速度變成了北東坐標系的位置，可以寫為：

　　方程式1

　　其中，(t)是位移，(t)是航向。在行人步伐間隔期間，假設速度和航向是常量。考慮到折線法，方程式1可改寫成：

　　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)計算，而不是加速度和角速率的積分運算。方程式2的航位推算過程有三個要素：1)在t-1 (Et-1, Nt-1)時最后一次已知的用戶絕對位置(用東北坐標系表示)；2)從t-1到t()的步長；3)從時間t-1開始的航向 (ψ) 可以算出新位置相對已知位置(Et-1, Nt-1)的坐標(Et, Nt)，如方程式2所示。

　　我們仔細觀察方程式2不難發(fā)現(xiàn)，行人航位推算精度取決于兩個要素：1)行走距離的計算，2)用戶航向(或方向)在行人航位推算原理中，行走距離的計算方法是檢測估算行人每行走一步的步長，然后累計步長估算值。精確地估算全球用戶的步長是一項具有挑戰(zhàn)性的任務。目前業(yè)內開發(fā)出了多個步長精確估算模型，見參考文獻[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)通過校準監(jiān)視邏輯處理，以保持對加速度計和陀螺儀測量偏差和標度系數(shù)的精確估算。磁強計數(shù)據(jù)通過校準監(jiān)視模塊處理，以決定是硬鐵參數(shù)還是軟鐵參數(shù)。磁力計數(shù)據(jù)監(jiān)視的另一個目的是確定測量數(shù)據(jù)有無磁性干擾數(shù)據(jù)，防止磁干擾影響校準參數(shù)。

　　圖 1 行人航位推算框圖

　　步伐檢測算法利用模式匹配法與人類步態(tài)模型特征匹配。加速度模式隨著設備攜帶位置（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術語，包括設備航向和用戶行走方向。計算設備航向需要使用經過傾斜修正的羅盤測量值。不過，因為外部磁擾會影響羅盤的性能，完全依賴羅盤的測量值不現(xiàn)實，這是我們采用一個數(shù)據(jù)整合濾波器又稱姿態(tài)濾波器，整合磁力計、陀螺儀和加速度計數(shù)據(jù)的主要原因。姿態(tài)濾波器可以計算設備在人體坐標系相對大地參考坐標系的方向。因為這個數(shù)學表達式比較緊湊，所以設備方向用四元數(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)濾波器基于擴展卡爾曼濾波器(EKF)概念，以解決外部磁場強度不斷變化和用戶在常用情況下導致的設備動態(tài)運動對航向的影響。因為航向對總體定位精度的影響巨大，所以必須認真考慮傳感器隨機噪聲、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。

　　低噪聲磁力計的重要性

　　在3-D空間正常旋轉設備時，傳感器各軸受地磁場強矢量影響，我們使用此時采集到的測量數(shù)據(jù)計算磁強計校準參數(shù)(硬鐵和軟鐵)。偏移估算精度與磁強計數(shù)據(jù)中的噪聲信號直接關聯(lián)。如果磁力計的噪聲非常高，偏移估算精度將會變差，最終將會影響航向估算結果。偏移估算誤差對高緯度地區(qū)定準更加重要，因為高緯度地區(qū)磁場水平場強較弱。即便在水平場強中等地區(qū)，1 ?T偏移誤差可以引起5度的航向誤差，這對于行人航位推算應用是一個不小的誤差。

　　行走角度確定

　　姿態(tài)濾波器用于計算設備在身體坐標系內的航向。不過，設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的計算運用了行人運動的身體特征以及加速度波形的周期特征和統(tǒng)計學。

　　測試結果

　　我們采用加速度計和陀螺儀模塊(LSM6DSM)、磁強計(LSM303AGR)和壓力傳感器(LPS22HB)和STM32微控制器開發(fā)出一個行人航位推算解決方案，這個由傳感器、微控制器和藍牙組成的硬件參考設計叫做SensorTile? (詳情訪問www.ST.com)，可以利用一個安卓應用在手機上實時顯示行人航位推算軌跡輸出。六軸傳感器LSM6DSM(加速度計 + 陀螺儀)正常工作模式下功耗小于400 ?A。在這個傳感器模塊內，陀螺儀的角速率噪聲密度為3.8 mdps /√Hz。加速度計噪聲密度為90 ?g /√Hz。磁力計的RMS噪聲為3 mGauss，采用AMR技術，無溫度漂移問題，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，可以實現(xiàn)隨時隨地定位的目標。

　　下圖3所示是某些常用場景行走測試軌跡。

　　圖3 行人航位推算在常用場合行走測試結果

　　參考文獻

　　[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