[發明專利]基于BP神經網絡的慣性導航室內定位方法

有效

• 申請號: 201910067512.2
• 申請日: 2019-01-24
• 公開（公告）號: CN109579853B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 童凱;謝正威;劉剛
• 申請（專利權）人: 燕山大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01C21/16
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 劉翠芹

本發明公開了基于BP神經網絡的慣性導航室內定位方法，包括運動數據采集與預處理階段、離線訓練階段和實時定位階段。數據采集是通過左、右腳腕可穿戴設備采集人員兩腳腕處運動數據、人員身高和步長；數據預處理是利用多傳感器信息融合處理得到7個神經網絡輸入數據?左、右腿部姿態角變化量θ1和θ2、腳腕處加速度均值average、方差variance、左、右腳步伐持續時間time1和time2以及身高stature；離線訓練階段包括：建立神經網絡步長估計模型；將7個輸入數據和步長數據輸入神經網絡進行訓練；實時定位階段包括：右腳腕可穿戴設備內部進行步伐識別、實時預測步長以及利用步長和方向角通過航位推算實現實時定位。本發明提高了室內定位的精度、實時性，增強了可靠性。

技術領域

本發明涉及室內定位領域，尤其涉及到一種基于BP神經網絡的慣性導航室內定位方法。

背景技術

現有的室內定位技術解決方案主要為Wi-Fi定位技術、紅外線定位技術、超聲波定位技術、可見光定位技術、UWB技術、ZigBee技術、射頻標簽識別技術，以及計算機視覺定位技術等。由于這些技術需要搭建設備進行輔助定位，定位精確度越高對輔助設備的數量要求越多，因此這些技術不具備普遍適用性和快速性。Wi-Fi定位技術需要通過在室內架設Wi-Fi網絡，實現接收器位置的估算。可見光定位技術需要提前明確可見光源的位置，若室內光線昏暗或者沒有光線的區域則無法實現接收器的定位。在實際定位環境中，這些方案在投入大量輔助設備資源的情況下能夠實現精度較高的室內定位，但是在未知環境內則失效，因此這些方案很難實現對未知環境內定位人員的高精度、實時性以及普遍適用的定位。

隨著MEMS的快速發展，慣性導航系統成為室內定位領域的研究熱點。慣性導航是一種相對定位技術。慣性導航系統(INS)由多個慣性測量單元(IMU)組成，一個IMU由三個相互正交的加速度計和三個正交的角速度計組成。利用加速度計和角速度計測量定位人員的加速度和角速度數據，并計算獲得定位人員的位置和運動方向。在慣性導航室內定位領域，根據定位人員的航位推算系統(PDR)對定位人員進行室內定位，該系統根據上一運動位移結束時刻的位置推算當前位移結束時刻的位置。PDR系統無需外接設備輔助設備，在短時間內可以獲得高精度高、可靠性的室內定位，該系統定位的準確度依賴于步伐長度檢測的準確度，在定位時，僅需對定位人員的初始位置進行設定。目前采用的捷聯慣導系統采用加速度數據積分得到步伐長度，由于MEMS測量到的加速度精度不高，因此慣導定位誤差會迅速累積。

神經網絡(NN)是一種分布式并行信息處理的數學模型，對于非線性輸入輸出映射很有效，具有強大的學習能力和計算能力，在不同層次上可模仿人腦系統進行信息處理。

發明內容

針對上述技術問題，本發明的目的在于提供一種在未知環境中實現高精度、低成本、普遍適用性強的基于BP神經網絡的慣性導航室內定位方法。

一種基于BP神經網絡的慣性導航室內定位方法，包括運動數據采集與預處理階段、離線訓練階段和實時定位階段，所述數據采集與預處理階段采用多傳感器信息融合采集定位人員的左右腳腕處運動數據，結合四元素與卡爾曼濾波算法處理所述運動數據，獲取定位人員的左、右腿部姿態角變化量θ1和θ2、腳腕處加速度均值average、方差variance、左、右腳步伐持續時間time1和time2以及測量得到定位人員的身高stature作為7個神經網絡輸入數據，并降低慣性測量單元的測量噪聲；所述離線訓練階段通過構建一個BP神經網絡模型，采用所述7個神經網絡輸入數據和步長數據進行訓練，獲得步伐長度預測模型；所述實時定位階段根據兩腿數據協同進行步伐識別，將識別到的步伐周期內的數據進行預處理并傳輸至上位機進行實時步長預測，然后根據預測的步長和預處理得到的方位角進行航位推斷實現定位。

優選地，所述數據采集與處理階段包括以下步驟：