基于MEMS传感器的室内个人定位技术研究

The multi-sensor personal positioning system built by MEMS technology (such as gyroscopes, accelerometers, the geomagnetic sensor, the barometer, etc.) has become a hot issue in the research field of indoor positioning. At present, the problem of the indoor personal positioning systems is the conflict among size, cost, power consumption and accuracy. MEMS sensors could be applied to meet the requirements of size, cost and power consumption, but the accuracy is limited. Therefore, a multi-MEMS sensor personal indoor positioning technology assisted with support vector machine is proposed in this project to solve the problem of long-term positioning accuracy. First, targeting at the inaccurate MEMS sensor error model, MEMS sensor online error model is established with the support vector machine model approximation ability, and the online error compensation filter is constructed to improve the accuracy of the multi-sensor data fusion model; Second, to deal with the information diversity caused by using multi-sensor unit, a intelligent switching method of information matching is designed to achieve the optimal solution of the adaptive data fusion; Finally, based on the nonlinear filtering theory and accurate data fusion model, the multi-sensor positioning nonlinear error estimation method is designed for indoor environment. In a word, there is important theoretical significance and practical value to improve the precision and environmental adaptability of the indoor environment personal positioning system.

采用MEMS技术制造的传感器（如陀螺、加速度计、地磁传感器、气压计等）构建多传感器的个人定位系统是室内定位领域的研究热点。目前，室内个人定位系统存在的问题是体积、成本、功耗与精度的矛盾。采用MEMS传感器可以满足体积、成本和功耗的要求，但是精度受到限制。本项目提出一种带有支持向量机辅助的多MEMS传感器组合的室内个人定位技术以解决长时间定位精度问题。首先，针对MEMS传感器误差模型的不准确问题，利用支持向量机的模型逼近能力，建立MEMS传感器的在线误差模型，提高多传感器信息融合模型的准确度；其次，针对多传感器带来的信息多元化，设计一种信息匹配方式智能切换方法，以实现信息融合的自适应最优解；最后，基于非线性滤波理论和准确的信息融合模型，设计适合室内环境的多传感器定位误差非线性滤波估计方法。提高室内封闭环境下个人定位系统的精确定位能力和环境适应能力，具有重要的理论意义和工程实用价值。

定位装备作为消防员抢险救援任务中的重要生命保障装备，可用于复杂建筑物内的救援人员三维追踪定位。针对火场现场环境下的消防员实时定位的需求，采用MEMS技术制造的传感器（如陀螺、加速度计、地磁传感器、气压计等）构建多传感器的个人定位系统是该领域的研究热点。本项目针对室内卫星导航定位系统失效环境，从MEMS传感器在线误差建模和多传感器信息融合两个方面开展了研究。针对室内个人定位系统中使用的MEMS惯性传感器误差受使用环境影响导致误差量变化和噪声种类不确定的问题，对MEMS惯性传感器输出误差的机理进行了分析，通过分析传感器误差种类、特征及其对环境温度的响应，基于数据挖掘的原理，从黑箱建模的角度出发，建立了MEMS惯性传感器的误差模型；针对个人定位系统中对多源传感器信息的融合需求，以MEMS惯性定位系统为主系统，其他传感器辅助的方式，建立了个人定位系统的惯性子系统误差模型；针对室内个人定位系统中的捷联惯性导航子系统、视觉子系统、地磁传感器和气压传感器如何实现最优组合的问题，研究了个人定位系统在不同运动模式(如静止、缓步、加速、拐弯等)下各种传感器输出的匹配方式与可观测度之间的关系，通过分析不同匹配方式的可观测度，比较了在不同运动状态下这些匹配方式的滤波效果；针对个人定位系统中的子系统/传感器在工作过程中易受外部环境干扰的问题，在滤波器设计中引入鲁棒因子，提出了一种多传感器信息融合的鲁棒非线性滤波器方法，从信息融合的精确性和鲁棒性两个方面提高了室内个人定位系统的定位性能。基于个人定位系统硬件平台，设计了室内外环境下的验证试验，测试结果表明，采用纯惯性和人体运动学辅助的行人导航，导航结果精度可以达到行走距离的2%以内；采用惯性/视觉组合导航系统，在人体运动状态辅助的行人导航，导航结果精度可以达到行走距离的0.37%以内，能够有效的提供行人导航的实时精确位置。