[发明专利]基于CKF的IMU/Wi‑Fi信号的超紧组合室内导航方法

说明书

技术领域

本发明属于导航技术领域，尤其涉及一种基于容积卡尔曼滤波(Cubature Kalman Filter，CKF)的IMU/Wi-Fi信号超紧组合室内导航方法。

背景技术

现有行人导航定位方法主要采用全球卫星定位系统(Global Position System，GPS)实现。然而，GPS定位存在着动态性能差、非自主等缺点。尤其是在城市街道、隧道、室内等易遮蔽卫星导航信号的环境中，会造成信号丢失，甚至导致定位失效。

现有的室内导航方法通常采用微机电系统(Micro-Electromechanical System，MEMS)惯性器件进行导航。然而，基于MEMS惯性器件的行人导航自主定位系统存在一定缺点，即其器件误差会快速地发散。在导航阶段，如果不能有效地补偿MEMS惯性器件误差，位置误差会以时间三次方发散，最终导致系统导航功能失效。由此可知，误差的有效修正成为基于MEMS系统的惯性解算算法应用于行人导航系统的最大难点。

通常MEMS系统的误差修正及信息融合均以滤波形式实现。由于涉及非线性模型，在滤波器选择时，通常选用扩展卡尔曼滤波等非线性滤波。扩展卡尔曼滤波是一种典型的非线性滤波方法，通过对非线性方程进行一阶泰勒级数线性展开以逼近真实的状态分布，但该逼近结果只在小邻域内产生，否则会带来较大误差,导致滤波结果不稳定甚至发散。

综上所述，现有的室内行人组合导航系统稳定性差、收敛速度慢、滤波精度较差，而且鲁棒性较弱，因此导致行人导航精度较低。

发明内容

本发明的目的在于提供一种基于CKF的IMU/Wi-Fi信号超紧组合室内导航方法，旨在解决现有的室内行人组合导航方法存在的稳定性差、滤波精度较差的问题。

本发明的实现包括以下步骤：

步骤一：在室内选取一定密度的参考点，测量并记录每个参考点从接入点APs接收到的信号强度和相对应的位置信P_DB，建立RSS Fingerprint数据库；

步骤二：将IMU固定于行人脚上，用其测量行人行进时的运动信息加速度a和转速ω，通过惯性导航解算得到行人的速度V_IMU，位置P_IMU以及姿态A_IMU；

步骤三：利用步骤二得到的加速度a对加速度计进行零速校正，并对校正后的运动信息进行惯性导航解算，通过扩展滤波器滤波，得到校正后的位置速度V_JIMU，并与步骤二中得到的速度V_IMU做差得到速度误差ΔV；

步骤四：利用步骤二得到的位置信息P_IMU与RSS Fingerprint数据库中参考点的位置信息P_DB进行比较，筛选出与该测量点较近的n个点然后分别与IMU测得的位置P_IMU做差得到行人与参考点间的距离

所涉及的表达式为：

其中，X_IMU和Y_IMU是由IMU测得位置坐标P_IMU的分量，且有P_IMU＝{X_IMU,Y_IMU}；和是所选参考点的坐标的分量，且有

步骤五：利用行人携带的Wi-Fi天线接收Wi-Fi信号，并测量接收到的信号强度，根据信号强度与距离的数学模型计算出测量点与接入点APs的距离d，从而利用三边测量法解算测量点的位置P_Wi-Fi，并与IMU测得的位置做差，得到位置误差ΔP；

所涉及的Wi-Fi信号强度RSS和距离d间的数学模型为：

式中，d₀为已知的参考距离，RSS₀为在参考距离d₀处的平均信号强度，p为信号衰减指数；

步骤六：利用步骤五到的位置信息P_Wi-Fi与RSS Fingerprint数据库中参考点的位置信息 P_DB进行比较，筛选出与该测量点较近的n个点然后分别与Wi-Fi定位得到的位置P_Wi-Fi做差得到行人与参考点间的距离即：

所涉及的表达式为：