基于MEMS惯性传感器的行人航位推算系统*

李金凤， 王庆辉， 刘晓梅， 曹 顺， 张慕远

(沈阳化工大学 信息工程学院，辽宁 沈阳 110142)

基于MEMS惯性传感器的行人航位推算系统*

李金凤， 王庆辉， 刘晓梅， 曹 顺， 张慕远

(沈阳化工大学 信息工程学院，辽宁 沈阳 110142)

提出一种基于低成本MEMS自包含传感器，能自主完成数据采集、数据处理的行人航位推算(PDR)系统。硬件平台集成三轴加速度计、三轴陀螺仪、三轴数字罗盘及气压计，不需任何额外设施。通过自包含传感器测量行人行走的步长、方位及高度，实现行人室内、外三维定位。采用加速度信号实现跨步探测和步长估计。利用互补滤波器融合加速度计、陀螺仪和数字罗盘数据，矫正陀螺仪的测量误差和磁场干扰对数字罗盘的影响，提高行人行走的方位精度。测试结果表明：系统的定位误差低于行进距离的4%，满足行人定位要求。验证了系统的有效性和可靠性。

互补滤波器； MEMS惯性传感器； 行人航位推算； 室内定位

0 引 言

行人跟踪与导航可应用于军事、科学、商业等领域，近年来吸引了广泛关注。全球定位系统(GPS)能提供精度到m甚至是cm量级的三维绝对位置信息，已广泛应用于户外环境[1,2]。然而，受信号衰减、卫星几何分布及多径效应等影响[3]，在茂密的森林、城市峡谷、室内应用中，GPS信号精度明显下降[4]。仅利用GPS技术难以实现室内外无缝定位。为弥补GPS的信号中断，需将GPS定位信息与其它定位方法相结合。

室内定位方法可分为两类：基于无线局域网络和基于自包含传感器。基于基础设施的局域网络如超声波、红外线、WiFi,UWB,RFID,Zig Bee、视觉[5～7]等不仅部署困难而且费时费力[1]。基于自包含传感器的定位算法利用航位推算方法获得行人位置，即行人航位推算(PDR)。不需要任何基础设施，是一个很好的解决方案。将GPS技术和惯性传感器相结合可在室内、外环境中获得高精确行人定位[8,9]。

PDR方法从已知初始位置开始，利用步长和方位推算行人的相对位置。为便于测量，自包含传感器如加速度计、陀螺仪、磁传感器等应选用成本低、尺寸小、重量轻的MEMS传感器。然而，廉价的MEMS传感器存在漂移误差。陀螺仪信号的较小误差将累积成较大的方位误差。

因此，为提高PDR的定位精度，应仔细设计PDR的硬件系统及其对应的算法。

本文提出一种集成GPS接收机、三轴加速度计、三轴陀螺仪、三轴数字罗盘及气压传感器的PDR系统。惯性测量装置固定在用户腰部。定位算法将GPS与PDR相结合，利用互补滤波器融合惯性传感器数据，获取行人方位信息。

1 系统概述

为选择适合的传感器，需考虑诸多因素，如体积、重量、成本、动态范围、采样率、偏置及功耗等[1]。本文设计的惯性传感器模块集成了一只三轴加速度计和三轴陀螺仪MPU6050、一只三轴数字罗盘HMC5883及气压传感器MS5611。

硬件系统以微处理器芯片STM32F407为核心，自主完成数据采集、数据处理，系统结构框图如图1所示，PDR算法与GPS信号相融合实现定位。当GPS信号可用时，行人的最终位置和方位由GPS信息提供，GPS信息亦可用来校准惯性传感器的方位误差；当GPS信号不可用时，利用PDR算法推算相对于前一个GPS定点的相对位置，形成高精度室内外定位。

图1 提出的行人航位推算系统结构Fig 1 The proposed architecture of PDR system

2 算 法

PDR算法包括三方面内容：跨步探测、步长估计、方位及位置确定[2]。平面位置可从已知初始位置开始，由行人的步长和方位推出。低成本MEMS传感器易受漂移误差影响。设计的PDR算法应在行人行走过程中，降低偏差、提高定位精度[1]。

2.1 跨步探测

每行走一步，行人脚部均要经历平稳、加速、减速、再次平稳的周期性变化过程[1]。

本文加速度计固定在行人腰部，将过零点探测、峰值探测及时间限制相结合进行跨步探测。

行人行走过程中，加速度信号的三个轴均表现出周期性特征，z轴数据尤为明显。采用三个轴产生的总加速度值探测跨步。每次采样的幅值为

(1)

行人行走过程中身体震动、传感器偏置及噪声等造成加速度计输出信号失真,这将影响跨步峰值探测、步长估计甚至导致计步错误,为提高系统性能，采用平滑滤波器降低外部干扰影响[3]

(2)

这里，2L+1为平滑滤波器长度。比较三个相邻加速度值，找到局部峰值,若局部峰值大于设定的阈值，则为有效峰值。计算两相邻有效峰值间的时间间隔,若间隔大于300 ms，则探测到跨步。跨步的结束点由过零点探测。图2给出滤波前、后的总加速度信号，并给出跨步探测结果。图2(b)中标记的圆圈为探测出的跨步。

图2 总加速度信号Fig 2 Total acceleration signal

2.2 步长估计

在生物力学上，步长随步频的提高而提高。当步频介于1.35～2.45之间时，步长可表示为[3,10]

S=0.450 4f-0.165 6,

(3)

式中f为频率，S为步长。图2(b)中两个圆圈间的时间间隔即为跨步周期，通过该周期可求出步频。

2.3 方位确定

相对于磁北极的方位角可直接从数字罗盘中得到，但数字罗盘易受磁场干扰[2]，动态性能很差。陀螺仪具有良好的动态响应特性。但陀螺仪的随机漂移将累积较大误差。陀螺仪与数字罗盘在频域上具有互补特性，可利用互补滤波器将传感器数据进行融合提高精度和动态性能[11]，互补滤波器算法结构如图3所示。

图3 互补滤波器算法结构Fig 3 Algorithm structure of complementary filter

地球重力场的参考方向为

Eg=[0 0 0 1].

(4)

传感器的参考方向为

[0 0 0 1]⊗[q0q1q2q3].

(5)

地球磁场的参考方向为

(6)

(7)

传感器磁场的参考方向为

(8)

测量值与参考值间的误差为

Error_a=Sa×Sg,

(9)

Error_m=Sm×Sb.

(10)

2.4 三维位置估计

行人位置可表示为[12]

Ek+1=Ek+Sksinφk,

(11)

Nk+1=Nk+Skcosφk,

(12)

Hk+1=Hk+ΔHk,

(13)

式中k为第k步，E为东坐标，N为北坐标，H为高度，φ为相对于磁北的方位角，ΔH为高度差，S为步长。

高度信息可从气压计的测量结果求得，用于判断行人所处建筑物的楼层。大气压力与高度间满足

(14)

式中p0为标准大气压力值1 013.25 mbar;H为高度，m;p为行人所处位置的大气压力值，mbar。

3 实验与结果

为验证传感器模块与PDR算法的有效性，在沈阳化工大学校园内沿室内外多条路线进行实际步行测试。

3.1 室外测试

室外测试在沈阳化工大学的化工金字塔广场进行。测试路线是直径为60 m的圆形，长度约为188 m，共行走248步。经验证：跨步探测算法精度为100 %。测试结果如图4所示。图4中，实线为真实路线，虚线为实测曲线。从起点A至点B，实测曲线与真实路线吻合得较好。从B点开始存在角度误差，且误差越来越大。该误差源于传感器模块的轻微震动和广场中金属建筑引起的磁干扰。实测曲线与真实路线间的最大误差为7 m，低于总步行距离的4 %。定位精度很大程度上取决于方位角精度。

图4 室外测试结果Fig 4 Result of outdoor test

3.2 室内测试

室内测试在8#实验楼的3楼走廊进行，长度约为174 m，共行走260步。行走路线包括4个90°转弯，起点为A点，终点为F点。为验证系统性能，沿路线行走了3次，测试结果如图5所示。由图可见，A点与B点间的测试结果与真实路线很接近。第4个90°转弯处的方位角误差最大。D点附近的位置误差最大，约为5 m，低于总行走距离的3 %。

图5 室内测试结果Fig 5 Result of indoor test

室内外实验结果表明：实测结果与真实路线吻合得较好，验证了系统的有效性和实用性。

4 结 论

本文提出一种集成GPS接收机和低成本惯性传感器的硬件系统及其相应的PDR算法，用于室内、外行人导航应用。MEMS传感器模块，包括三轴加速度计、三轴陀螺仪、三轴数字罗盘和气压传感器，固定在用户腰部，用来确定行人行走的三维位置。详细讨论了PDR算法的跨步探测、步长估计、方向角及位置计算方法。室内外现场测试结果表明：定位误差低于行进距离的4%。验证了系统的有效性和可靠性。

利用GPS数据与PDR算法进行行人室内外无缝定位有待于进一步深入研究。

[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] 孙作雷,茅旭初,田蔚风,等.基于动作识别和步幅估计的步行者航位推算[J].上海交通大学学报,2008,42(12):2002-2005.

[11] 梁延德,程 敏,何福本,等.基于互补滤波器的四旋翼飞行器姿态解算[J].传感器与微系统,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

辽宁省教育厅资助项目(L2013159)

TP 274

A

1000—9787(2014)12—0085—03

李金凤(1979-)，女，辽宁大石桥人，博士，讲师，研究方向为基于MEMS技术的低成本微型惯性导航系统。