位置传感器集成多传感器的个人导航.doc

测试与位置传感器集成多传感器的个人导航 冈瑟Retscher（维也纳科技大学）（电邮：gretsch@pop.tuwien.ac.at） 在工作包组合定位的研究项目NAVIO（行人导航系统结合室内/室外环境）我们正与导航和向我校参观指导处理。的起止点是在维也纳技术大学和系统用户应遵循一定的办公用房或个人周围的公共交通站。对于用户的位置确定不同的位置传感器采用，适合户外定位GPS和航位推算传感器，如一个数字罗盘和方向判定陀螺仪，即，对于距离的决心加速行驶，为高度的确定一个气压传感器和，室内区，位置使用WiFi测定指纹。所有传感器和定位方法相结合，并综合使用卡尔曼滤波。一个用户的当前位置得到最佳的估计是使用过滤器。若要执行中随机筛选模型的senors足够的比重，传感器的特性和性能进行了调查，多次测试。该测试在不同环境或免费卫星可见度，在城市峡谷或建筑物内。这些测试表明，它是可能的确定与精度要求用户的位置和所选择的不断传感器提供了良好的性能和高可靠性。选择的测试结果，并提出我们的方法是在文件 导言移动个人导航系统验收增长在最近几年。许多应用程序现在需要的位置的决心和联合的人或室内和室外的环境里的物体跟踪。大多数个人导航系统依赖于位置使用全球导航卫星系统与地图匹配相结合的决心。一般来说，这些系统表现出的可用性和定位精度高的性能。然而，在市区位置连续测定卫星信号的地方，经常堵塞是非常具有挑战性。在NAVIO项目（Gartner公司等。，2004）一行人在联合室内/室外环境中的导航系统进行了研究和开发。所研究的主要挑战之一是使用航位推算 图1传感器的NAVIO制度 传感器为一行人位置连续测定。为此，不同的传感器进行了测试和系统集成为一个。作者：卢阳离子测定的可靠性进行了改进我们的系统由一个基于卡尔曼使用一种新的多传感器融合模型过滤器。由于位置连续测定比所需的最低数量已集成更多的传感器，可以推导出报表对每个传感器为当前用户的位置最优估计及其在系统设计的可用性质量。在下面的NAVIO就业传感器描述及其集成进行了讨论。最后一个传感器的测试介绍。传感器为一行人位置连续测定。为此，不同的传感器进行了测试和系统集成为一个。该位置的决心可靠性进行了改进我们的系统由一个基于卡尔曼使用一种新的多传感器融合模型过滤器。由于位置连续测定比所需的最低数量已集成更多的传感器，可以推导出报表对每个传感器为当前用户的位置最优估计及其在系统设计的可用性质量。在下面的NAVIO就业传感器描述及其集成进行了讨论。最后一个传感器的测试介绍。 2系统设计的NAVIO。图1显示了在维也纳理工大学开发的NAVIO系统采用传感器。下面的传感器集成：Garmin的GPS接收机eTrex首脑会议惯性导航模块的DRM三从PointResearchHonywell HMR 3000数字罗盘维萨拉客运大楼220大气压力传感器。 该系统采用全球定位系统是绝对位置的确定和其他三个传感器作为从一个给定的起始位置的相对位置的确定航位推算传感器使用。使用这些传感器的路程，运动方向和高度的变化才能确定。为数据采集软件模块已经开发利用Matlab（Retscher和Thienelt，2006）。对当前用户的位置，速度和运动方向的最优估计，然后用获得的卡尔曼滤波方法。为此，一个新的算法已经制定和实施了使用Matlab NO. 1 测试及位置传感器集成 109 传感器观测 基于知识的预处理过滤器 中央卡尔曼滤波 最优估计当前用户的位置 图2工艺流程智能多传感器融合模型（Retscher，2006） 3传感器集成使用一种新的多传感器融合模型。对于不同的位置传感器，多传感器融合模型的扩展卡尔曼滤波器，使得可用的传感器观测knowledged基于预处理的使用已开发的集成。新算法的概念，提出了在（Retscher，2006年）和图2显示了运行的必要步骤。第一步，从系统的每个传感器的意见进行分析，以知识为基础的预处理过滤器。在此步骤中的意见的合理性进行了测试和粗差和异常值检测和消除。在分析和纠正意见，然后用在中央卡尔曼滤波的当前用户的位置，速度和运动方向的最优估计。在此加工步骤都合适的传感器观测和提供的随机筛选模型是适应使用知识的预处理步骤。例如，GPS观测的比重，可以减少，如果当前的GPS定位精度低，由于高几何精度因子值（即坏的卫星接收机几何）或其他错误来源（如多径）。该用户的位置，然后根据最优估计更多的航位推算传感器的意见。这种做法导致了当前用户的位置，运动方向和速度的最佳估计。卡尔曼滤波在两个不同的运动，描述一个线性的行人径向运动行为进行了测试筛选模型。加速度变化，然后考虑在随机扰动向量卡尔曼滤波。在第一个模型是的行人运动运动配方进行（见王，199