[发明专利]基于步态特征的微惯性导航Kalman滤波器参数自适应设置方法

说明书

本发明公开了基于步态特征的微惯性导航Kalman滤波器参数自适应设置方法，将微惯性传感器绑定于行人足部，采集行人在直线走、弧线走、转弯等步态下的原始惯性数据；利用每一步零速区间内解算航向角的均值计算相邻步航向角差值；利用航向角差值判断行人步态；在行人弧线走或转弯时，利用航向角差值自适应调整系统噪声Q矩阵的值，利用新息自适应调整量测噪声R矩阵的值。本发明自适应调整Kalman滤波器的系统噪声和量测噪声，大幅度提升了误差估计精度，实现行人高精度定位导航。

技术领域

本发明属于基于微惯性传感器的足绑式行人导航技术领域，涉及到一种基于步态特征的微惯性导航Kalman滤波器参数自适应设置方法。

背景技术

传统的足绑式行人导航算法在利用Kalman滤波器修正导航误差时，滤波器Q矩阵和R矩阵的值都是不变的，但行人在直线走、弧线走、转弯等不同步态下的姿态误差估计精度和速度观测准确度不同，利用固定参数滤波器进行误差修正的精度会下降。

发明内容

针对利用固定参数滤波器进行误差修正精度会下降的问题，本发明目的提供基于步态特征的微惯性导航Kalman滤波器参数自适应设置方法，能够提升滤波修正的精度，从而提高定位精度。

为实现本发明目的，本发明提供基于步态特征的微惯性导航Kalman滤波器参数自适应设置方法，采取技术方案如下：

将微惯性传感器绑定于行人足部，采集行人在直线走、弧线走、转弯等步态下的原始惯性数据；利用每一步零速区间内解算航向角的均值计算相邻步航向角差值；利用航向角差值判断行人步态；在行人弧线走或转弯时，利用航向角差值自适应调整系统噪声Q矩阵的值，利用新息自适应调整量测噪声R矩阵的值。

进一步的，利用相邻步航向角差值判断行人步态，方法为：设定步态判别阈值，当相邻步航向角差值小于设定的阈值，表明行人处于直线走状态，当相邻步航向角差值大于设定的阈值，表明行人处于弧线走或转弯状态。

进一步的，当行人在进行弧线走或转弯机动运动时，姿态误差对应Q矩阵的值自适应调整为：

其中，i＝1,2,3，q_i′为调整后Q矩阵对角线元素值，为两个相邻步间的航向角差值，表示根据运动剧烈程度引入的噪声修正量，Δ_base表示修正的基底阈值，为常值。

进一步的，当行人在进行弧线走或转弯机动运动时，利用新息对R矩阵进行自适应调整：

R_i′＝R_i+Rk*Rk

其中，i＝1,2,3，R_i′为调整后R矩阵对角线元素值，同时对R矩阵进行限幅设置：

其中，Th_R为R矩阵限幅判别阈值。

本发明与现有技术对比有益效果如下：

本发明将微惯性传感器固定在人体足部，通过捷联惯性导航解算实时更新行人导航信息，利用基于速度误差观测的Kalman滤波器抑制导航误差发散。为了挖掘行人直线走、弧线走、转弯等步态特征，利用相邻步间航向角的差值判断运动状态，基于步态判别结果自适应调整Kalman滤波器的Q矩阵和R矩阵，提升了滤波修正的精度，从而提高定位精度。本发明尤其适用于解决楼宇、巷道等城市环境中的行人高精度定位导航问题。

附图说明

所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。