[发明专利]基于地图信息辅助惯导阵列的室内定位方法

摘要

本发明公开了一种基于地图信息辅助惯导阵列的室内定位方法，本方法首先对惯性传感器阵列进行初始矫正，修正惯导阵列初始条件下的惯性传感器灵敏轴的非正交；建立惯性传感器加速度计模型，并且融合加速度计值；然后通过最小均方误差算法来融合惯导阵列中的加速度计数据并去除异常数据；对加速度计数据进行二重积分并采用梯形法得到采样数据的一阶近似，得到室内目标的位置信息；最后再引入地图信息对运动轨迹进行约束修正，得到室内目标的最终位置信息。本方法克服传统室内定位的缺陷，通过低成本的惯导装置以及地图信息，实现室内目标的定位及定位轨迹的修正，提高定位精度及可靠性，降低定位成本。

主权项

1.一种基于地图信息辅助惯导阵列的室内定位方法，其特征在于本方法包括如下步骤：步骤一、对惯性传感器阵列进行初始矫正，修正惯导阵列初始条件下惯性传感器灵敏轴的非正交性；步骤二、建立惯性传感器加速度计模型，并且融合加速度计值，加速度计模型定义为：y＝a+b_d+b_v+v  (1)其中，y为测量加速度值，a为真正的加速度值，b_d为确定性的偏置误差，b_v为随机漂移偏差，v为导致速率随机游走误差的测量白噪声，速率随机游走误差是由惯性传感器测得的速率信号经积分后，在短时间内检测到的高频噪声，忽略短时间内的偏置误差和漂移偏差，式(1)简化为：y＝a+v  (2)考虑惯性传感器的动态行为，随机游走过程的惯性传感器加速度计模型为：a_k+1＝a_k+w_k  (3)其中，a_k为随机游走k时刻真正的加速度值，a_k+1为随机游走k+1时刻真正的加速度值，w_k为过程噪声；步骤三、根据式(2)和式(3)，得到单个加速度计状态空间模型表达式为：其中，x_k和x_k+1为加速度计k和k+1时刻的状态，Z_k为k时刻的测量值，F为状态转移矩阵，H为单位矩阵，w_k为过程噪声，v_k为测量噪声，过程噪声和测量噪声的协方差矩阵具有以下特征：步骤四、惯导阵列中多个惯性传感器性能相同，忽略惯性传感器数据传送过程中时间戳的影响，采用最小均方误差算法融合，利用最小均方误差准则将惯导阵列中多个惯性传感器的测量向量、测量矩阵和测量噪声的协方差矩阵结合起来，所有惯性传感器得到的测量向量和测量矩阵组合如下：其中，R_t、Z_t、H_t分别为t时刻的等效测量噪声协方差矩阵、测量向量和测量矩阵,N_s为惯性传感器的个数，y_i为第i个惯性传感器的输出值，R_i为第i个惯性传感器的测量噪声协方差矩阵,则惯性传感器三轴加速度估计值变化如下：x＝[a_x a_y a_z]^T,F＝I_3×3Z＝[z_tax z_tax z_tax]^T,H＝I_3×3  (7)其中，a_x、a_y、a_z分别为加速度计三轴的状态，z_tax，z_tay，z_taz分别为t时刻加速度计三轴的测量值，F为状态转移矩阵，H为3×3的单位矩阵；步骤五、采集惯导阵列加速度计数据，惯导阵列中各惯性传感器的采样时间相同并为一个单位，对加速度计数据进行二重积分并采用梯形法得到采样数据的一阶近似，得到室内目标的位置信息；步骤六、将室内目标的位置信息坐标点垂直投影至室内地图，获取室内地图投影点的位置信息，并作为室内目标的最终位置信息。