基于微惯导技术的自主人员定位研究

In GPS-denied environments such as indoor environments, underground, underwater, forest, and etc., or during wars, the key to victory of wars or emergency rescue is to ensure that the locations of individuals involved can be determined in a real time manner, which is also a big challenge. In this research we plan to develop a fully autonomous navigation system without any external satellite or RF signal based on novel algorithms to overcome the long-term drift and thus realize the robust long-term tracking. . Considering the characteristics and requirements of the autonomous positioning system, we plan to approach this research from the following three aspects: 1) intelligently process and fuse environment-independent signals including magnetic field of the earth and the gravitational signal after time-spatial analysis and motion processing; 2) build intelligent multi-source fusion framework to accommodate signals from multiple inertial measurement units and other distance signals to correct the location and simultaneously learn the drift of gyroscope; 3) analyze and dig the motion pattern and underlying physical laws of bipedal animals and the influence of abnormal motions on the robustness and accuracy of the positioning system.

在卫星信号无法覆盖的环境里，如室内、地下、水下、森林等，或者时间中，如战争时，如何通过自主精准定位导航来保持位置的可知性是战争致胜或者应急救援的关键，同时也是巨大的挑战。本项目探索在没有任何可靠外界信号的场景中如何通过创新性系统及算法设计来大幅降低惯性导航的长期漂移误差从而实现长期稳定自主导航的功能。. 本项目根据完全自主定位系统的特点及要求，拟从三个方面展开研究：1）智能处理与融合环境独立信号，尝试通过对地磁信号的时频分析进行分类处理，同时估计运动状态下的设备重力加速度信号，从而大幅抑制惯性单元的长期漂移误差；2）搭建智能多源数据融合框架，融合多源惯导和单兵独立信号如双脚之间的距离等，在修正当前位置的同时自主学习惯导单元的漂移；3）综合考虑双足动物的运动模式，充分挖掘潜在物理规律和运动模式，研究非正常步态以及空间运动对于微惯导自主定位系统的影响并且提高定位稳定性和精度

位置服务在现代社会的各个领域都扮演着重要角色，如士兵定位，应急救援人员定位，各类航空航天等。在没有任何外界卫星或者射频信号的场景中迫切需要一种完全自主的定位导航技术来保证位置的可知性。通过惯性测量单元的惯性导航可以实现在完全不依靠任何外部信号的情况下实现完全自主定位导航。首先，项目组主要研究并分析了环境独立信号的融合方法，包括无需部署的环境固有信号和单兵自主收发信号，如何利用三维空间多面体稳定性条件实现长期稳定漂移修正，着重关注信号时频相关度分析，从而修正或过滤地磁场干扰信号，估计运动状态下设备的重力加速度信号，智能融合这些信号到设备的姿态估计体系中；然后，项目组研究了多惯性传感器融合方法，重点研究行人身体不同部位的惯性传感器数据的智能融合，研究了多路距离测量数据之间的拓扑确定问题，包括稳定性的存在条件，必要条件等；同时研究研究行人运动模式及物理规律融合方法，挖掘深层次运动特性并且解决非正常步态问题，重点研究了模式识别算法对多维数据进行降维，提高系统效率的同时，利用特征值提取行为模式并以之作为惯性导航系统的自反馈输入量，从而抑制陀螺仪和加速度计的累积误差等。通过本基金的研究，项目组成功利用环境独立信号进行惯性纠偏，同时以图论为基础进行智能多源数据融合及误差学习，挖掘行人运动模式的本质，提高行人惯性跟踪的精度和稳定性。本项目为没有任何外界信号场景下的自主定位技术提供了理论基础和技术支持，并通过硬件系统验证了该技术研究的有效性。