Adaptive Kalman filtering-based pedestrian navigation algorithm for smartphones
发表时间：2020年5月
作者：
Chen Yu，北邮
摘要：
近几年来，利用日常智能设备进行行人导航已经成为一个非常关键的问题，而精确的航向估计在其中起着非常重要的作用。对比基于行人航位推算（PDR）的解法，本文构造了基于惯性导航系统的可分级误差模型，提出了一种新的相对静态磁场检测自适应航向估计算法。为了减小磁波动的影响，该算法采用双向卡尔曼滤波的方法。首先，利用最优平滑算法实现历史状态的平滑；其次，自适应地调整噪声参数，重新估计电流姿态。与基于行人航位推算的算法不同，本文的误差模型系统包含更多的状态信息，具有更高的灵敏度和可扩展性。实验表明，本文提出的航向估计算法比以往的航向估计算法具有更好的性能，而且系统的灵活性和准确性优于PDR系统。
基于IMU的导航算法现状：
基于IMU的行人导航算法有两种典型应用。一种是基于行人航位推算（ PDR ）的解决方案，另一种是基于惯性导航系统（ INS ）。
基于PDR的解决方案主要包括三个任务：步幅检测、步幅估计和航向估计。为了解决这些难题，人们提出了基于行人运动生理特征的各种算法。由于加速度波形的周期性，可采用峰值检测、过零检测、平坦区域检测等方法来检测台阶。此外，所述步长模型12至14还利用加速特征估计步长。航向方向估计是PDR的临界点。将陀螺仪采集的数据综合起来，实现姿态测量是常用的方法。轧辊误差和螺距误差可以通过加速度补偿，磁力数据可以补偿偏航误差。姿态航向参考系统(AHRS) 15是一种经典的融合方式。
第二种方法基于惯导系统，其中三加速度计和三陀螺仪的原始数据以高速率获得，用于跟踪采用积分法的设备的位置、速度和姿态（ PVA ）。惯性导航系统虽然能保存更多的信息，使系统状态更加动态和详细，但由于惯性导航系统在移动设备中的质量不高，且在计算过程中存在误差的双重积分，使得惯性导航系统的误差随着时间的推移而迅速增大。零速度更新（ZUPT）是一种有效的解决步行过程中速度误差的方法，如果装置被绑在脚上。16两步之间将有一个可观测的瞬时静态间隔。航向误差的修正与基于PDR的求解方法类似，主要依靠加速度和磁力数据。此外，零角速率更新等技术也可以采用。
扩展卡尔曼滤波（EKF）是惯导系统处理输入数据、处理观测事件的理想选择。建立了考虑位置误差、速度误差和姿态误差的误差模型，用于跟踪系统的误差状态并反馈到PVA。为了避免奇异性问题，降低计算量，将欧拉角改为四元数18。模型中的误差状态以运动学方程的方式传播。同时，如果判断条件得到满足，几个观测方程也会起作用。由于步态模型比原始传感器数据积分值具有更好的性能，因此采用PDR解法计算出的步态长度和步态速度对状态误差进行修正。提供绝对航向的磁力数据在航向观测中起着至关重要的作用。但铁磁材料的存在干扰了地球磁场，使地球磁场的角度不稳定、不可靠。该系统有一个滑动窗口，记录实时原始磁矢量与陀螺仪从窗口内第一个磁矢量旋转的磁矢量之间的夹角。利用视窗角度的方差来判断局部磁数据的有效性。如果可行，则利用最优平滑算法推导出视窗初的姿态四元数。之后，Sage-Husa自适应滤波算法将估计每个测量值的方差参数并补偿当前姿态。
