一种基于航位推算的消防员导航方法

一种基于航位推算的消防员导航方法

1gps定位技术应满足的问题随着社会计算机科学的发展，与人类活动密切相关的位置信息越来越重要。基于位置的服务(LocationBasedService,LBS)正是在技术发展和社会需求的双重推动下产生的。在位置服务中,移动用户的定位是最基础的。定位分为室内定位和室外定位。在室外,特别是在开阔的室外环境中,全球定位系统GPS能提供非常准确的定位信息。但是在高动态导航、室内、市区多遮挡等情况下,GPS定位会由于信号的遮挡以及多径效应等会导致定位效果很差,甚至根本不能定位。所以就需要有其他室内定位技术来弥补GPS的不足。现在室内定位技术也有很多,包括红外线、超声波、蓝牙、Wi-Fi、ZigBee、UWB、RFID等各种定位技术。室内定位最典型的是由以下几种信息来实现的,分别为接收信号强度(ReceivedSignalStrength,RSS)、到达时间(TimeOfArrival,TOA)、到达时间差(TimeDifferenceOfArrival,TDOA)和到达角度(AngleOfArrival,AOA)等。单一的定位方法都有各自的局限性,定位精度都不是很高,而且很多情况下的定位都需要跨越室内外的界限,因此,用于室内外的混合定位是必然选择。论文的研究工作是基于课题“基于物联网技术的火场综合管理指挥系统设计”,本文旨在为灾害现场的消防员提供精确的定位信息,以便随时了解各位消防员的准确位置。基于课题的现实要求,本文采用了GPSOne和航位推算两种定位算法混合的方法来对消防员进行定位。2基于cd三角运算的定位算法GPSOne是基于GPS和CDMA蜂窝移动通信网络的混合定位技术,移动终端同时从GPS卫星和蜂窝网络收集测量数据,然后通过蜂窝网络把这些数据传送给定位服务器,定位服务器采用指定的算法对这些数据进行处理生成精确的三维定位信息。传统的GPS定位在室内无卫星信号的环境下无法定位,CDMA三角运算定位能弥补这一缺陷,GPSOne结合了无线网络辅助GPS定位和CDMA三角运算定位,较好地改善了室内定位效果。由于GPS的定位精度高于CDMA蜂窝定位,因此GPSOne系统的定位精度主要与卫星信号的强度有关,GPS卫星信号越好,定位精度越高。在GPS卫星信号和蜂窝网络信号都无法单独完成定位的情形下,GPSOne系统会充分利用这两种信息源,只要一颗卫星信号和一个基站信号就可以完成定位,解决了传统GPS无法解决的问题。本课题采用的是DTGS-800型号的CDMA模块,它带有GPSOne功能。3标准传感器和拟合单元DR定位是一种完全自助式的定位方法,其原理主要是利用航向传感器和距离传感器实时检测目标的航向角和位移,从而推算出移动目标的位置信息,具有短时间定位精度高、自主性强等特点。采用的传感器分别是:Honeywell公司的HMC5883L三轴数字罗盘,用来测量消防员前进的方向角;ADXL345三轴加速度计,用来测量消防员行进中的加速度信息;L3G4200D三轴陀螺仪,用来测量消防员三个方向的角速度。把数字罗盘、加速度计和陀螺仪组合成惯性测量单元(InertialMeasurementUnit,IMU),用鞋带将其绑在脚上用来测量消防员的运动加速度和方位等信息。可以用下面的等式来确定消防员的位置:其中Ek和Nk分别是正东和正北方向的坐标,lk是步长,αk是k时刻的航向角。3.1加速度信号的滤波人在行走过程中,先抬脚后落脚,重心先上升后下降,采集到的垂直向加速度就会先增大后减小,因此可以利用垂直向加速度信号的值来检测步伐。由于行走过程的复杂性和动态性,az有两个或者三个峰值。这里我们先用一个截止频率为5Hz的FIR低通滤波器对加速度信号进行滤波,就可以得到平滑的。如图1所示。再用减去静止时的输出后进行过零检测,加速度值由负变为正时为抬脚,由正变为负时为落脚。3.2人工神经网络模型根据不同的模型,步长的计算可以归结为四类:恒定/类似恒定模型、线性模型、非线性模型和人工智能模型。大部分的模型都是建立在与行走速度和加速度的统计特性相关的各种参数上的,例如步频,步长的最大值和最小值,步伐的变化等。下面列出了几种典型的计算步长的模型:1)线性模型其中,SL是步长,SF行走的频率,SV是每一步中加速度的变化值,A、B、C都是回归参数,可以通过实验获得。2)非线性模型其中,Amax和Amin分别是每一步中加速度的最大值和最小值,K是只跟人站立不动时的腿长相关的一个系数,可以根据实验获得,因为这个模型只有一个参数K,所以很容易就能求得步长。3)人工神经网络模型在实际的测试中,步长和步伐频率、加速度变化量成正比,但是和地面的倾斜角度有着复杂的非线性关系,所以单独利用线性或非线性的关系来计算步长是不够精确的,而人工神经网络可以很好地解决这个问题,神经网络的主要优点是不需要得出步长和加速度统计特性之间精确的匹配关系,只要将步伐频率、加速度变化量和地面的倾斜角度作为神经网络的3个输入,经过训练就可以得到步长的平均值。但是这种方法中的网络训练,需要借助GPS的位置信息,对GPS定位的依赖性过强。基于本课题研究的是消防员的定位问题,而消防员在救灾现场不可能像普通行人那样走路,他们的动作更复杂,跑步、不平坦的地势和摆动幅度大的行走是消防员不可避免的,但是以上几种步长的估计方法对消防员来说都不够精确,为此提出一种新的步长计算方法,它除了能计算普通行人的步长外,更适用于像消防员这类人的步长计算。下面就是这种算法的具体实现:1)把得到的加速度的值ai(属于载体系S)转换到地理坐标系G:其中RSG是载体系到地理系的旋转矩阵。α、β、γ分别为俯仰角、侧倾角和翻滚2)整合加速度aiG,得到线速度viG:其中fs为采样频率。3)校正线速度:(1)计算速度的平均值,其中在第K步时的速度偏差(本应该为零)可以表示μ:其中ik是第K步时的采样。(2)校正所有步伐中的速度采样值:4)得到第K步的位置增量:5)二维水平面上的步长为:3.3磁盘误差误差补偿电磁罗盘实际上测量的是载体所在处的磁场强度,消防员前进的方向角就可以由x轴和y轴的磁场强度来确定,即θ=arctan(my/mx),mx和my分别为x轴和y轴测得的磁场强度。电磁罗盘在使用过程中存在比较大的误差,包括地磁偏差、IMU周围的铁磁材料引起的罗差、IMU的安装倾斜、消防员在前进过程中磁罗盘会随人身体的摇摆等而导致的测量误差,其中罗盘误差是最主要的误差。初步的罗盘误差可以根据文献中的方法进行补偿,此外该实现还配合了陀螺仪一起对方向角进行修正。具体方法如下:3)比较电磁罗盘的测量值和陀螺仪的测量值:4测量精度的提高为了验证上述算法的可行性,做了下述的实验。将加速度计、电磁罗盘和陀螺仪集成为一个惯性测量单元并与主芯片处理器STM32F103VC相连,然后共同集成在一块实验板上,将实验板用鞋带固定在实验者的鞋上,分别在某空旷的操场和某办公楼的二楼走廊进行试验。在实验前,需要将各种非必要的电磁材料都撤离,以免对实验结果产生干扰。实验板通过串口将CDMA模块的GPSOne采样到的位置信息发送到STM32F103上,STM32F103每隔一段时间通过GP-SOne采样位置信息,作为航位推算的基准定位,由于航位推算的误差会在推算过程中累积,因此,需要不断更新。此处的更新不仅仅是简单的将GPSOne的定位信息运用到航位推算中,而是将二者的定位信息进行数据融合,信息融合也是确保定位精度的关键所在。由实验过程得知,磁罗盘的测量精度对整个系统至关重要,而磁罗盘的误差来源主要是周围的各种硬磁和软磁材料的罗差影响,所以在使用中一定要尽量避免不必要的各种电磁干扰材料。图2和图3分别是在某空旷足球场和办公楼测得的真实路径和推算路径的对比图,经过试验知道,无论在室内还是室内,该算法的定位误差都在能接受的范围内,但是由于受电磁干扰和行走方式的影响,现实应用中的定位效果可能会有比较大的波动,因此在真实的灾害现场,要尽量避免各种电磁干扰的影响。总体来说,在更复杂的环境下进一步提高定位精度,是我们未来研究的目标。其中nk是第K步中的采样次数。1)对电磁罗盘测得的航向角进行时域抽样;2)对抽样后的航向角信息进行平均;如果