針對卡爾曼濾波方法處理非線性非高斯模型濾波精度低,以及標(biāo)準(zhǔn)粒子濾波中粒子退化嚴(yán)重的問題,提出一種自適應(yīng)粒子濾波的零速修正方法。將自適應(yīng)閾值與粒子濾波結(jié)合,從而提高重采樣的效率;重采樣過程中引入退化系數(shù)判斷粒子退化程度,對粒子進行二次采樣,保證了粒子的多樣性。為了驗證所提算法的有效性和可行性,搭建了以慣性測量單元IMU（inertial measurement unit）為核心的硬件平臺,利用IMU采集的數(shù)據(jù)建立系統(tǒng)的狀態(tài)空間模型,并進行實驗。結(jié)果表明,與卡爾曼濾波方法和經(jīng)典粒子濾波方法相比,自適應(yīng)粒子濾波方法在零速區(qū)間的定位精度分別提高了40.6%和19.4%。自適應(yīng)粒子濾波APF（adaptive particle filter）能更好地修正導(dǎo)航誤差,提高行人軌跡精度。 

【文章來源】：西北工業(yè)大學(xué)學(xué)報. 2020,38(02)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

導(dǎo)航算法結(jié)構(gòu)框架

實驗裝置選用美國應(yīng)美盛(Invensense)公司的MPU9150模塊,該模塊為9軸組合傳感器,由6軸慣性測量單元(3軸加速度計和3軸陀螺儀)和3軸磁強計組成。實驗過程中,將傳感器安裝在右腳腳面上,單片機安裝在實驗人員腰部,實驗的硬件模塊及安裝方式如圖2所示。為了驗證本文提出算法的優(yōu)勢及可行性,設(shè)置對比實驗進行驗證,實驗人員穿戴測量模塊實驗,沿直線行走共35 m,航向角為190°。實驗沿西向直線行走約34.46 m,南向約6.08 m,時間為130 s。對行人行走過程中的步態(tài)信息進行采集,行人初始位置定為(0,0,0)m,設(shè)定粒子濾波參數(shù),如表1所示。

為了便于自適應(yīng)粒子濾波性能分析,在相同實驗條件下,分別使用擴展卡爾曼濾波(EKF)算法[14]、經(jīng)典粒子濾波(PF)和自適應(yīng)粒子濾波(APF)算法進行零速修正。3種濾波方法在零速區(qū)間的速度誤差和位置誤差曲線如圖3和4所示。圖4 EKF、PF和APF的位置誤差曲線

【參考文獻】：
期刊論文
[1]基于地磁場自適應(yīng)修正的航姿系統(tǒng)姿態(tài)解算研究[J]. 王錄,劉明雍,王夢凡,郭嬌嬌,雷罡,張小件.  西北工業(yè)大學(xué)學(xué)報. 2019(02)
[2]一種12維零速狀態(tài)更新的智能行人航位推算[J]. 劉恒志,李擎.  系統(tǒng)仿真學(xué)報. 2018(11)
[3]基于GPS/MEMS慣性傳感器的消防員室內(nèi)定位研究[J]. 朱新宇,陶庭葉,姜冬致.  合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2018(07)
[4]基于零速/航向自觀測/地磁匹配的行人導(dǎo)航算法研究[J]. 黃欣,熊智,許建新,徐麗敏.  兵工學(xué)報. 2017(10)
[5]一種多運動模式下自適應(yīng)閾值零速修正算法[J]. 張健敏,修春娣,楊威,楊東凱.  北京航空航天大學(xué)學(xué)報. 2018(03)
[6]基于改進粒子群算法的無人機三維航跡規(guī)劃[J]. 方群,徐青.  西北工業(yè)大學(xué)學(xué)報. 2017(01)
[7]基于SVR和粒子濾波的室內(nèi)導(dǎo)航方法[J]. 楊智,嚴(yán)華.  計算機測量與控制. 2016(09)
[8]改進粒子濾波算法及其在GPS/SINS組合導(dǎo)航中的應(yīng)用[J]. 王林,林雪原,孫煒瑋,王萌.  海軍航空工程學(xué)院學(xué)報. 2016(01)
[9]基于粒子濾波的多枚聲吶浮標(biāo)聯(lián)合跟蹤定位算法[J]. 陳增增,馬曉民,陶偉.  聲學(xué)與電子工程. 2015(01)



本文編號：3424108