毕业论文课题相关文献综述
1.1 研究背景意义
人类的活动范围日益扩大，建筑布局日益复杂，人们对精准定位服务的需求也随之 增加。现行导航系统的工作场景可以分为室内场景和室外场景。室外导航系统中，卫星 导航系统发展最为成熟。卫星导航系统通过获取卫星信号可以在室外环境下提供高精度 的位置和速度信息。但是卫星信号传输距离长，信号强度较弱，遇到高楼、树木等遮挡 物时会产生多路径效应，导致系统定位精度较低。而在室内环境下，卫星信号受墙体遮 挡，几乎无法传播，导致卫星导航系统无法工作。
以系统导航信息源来划分，室内导航系统的种类较多，有:W1Fi 定位系统、蓝牙定 位系统等。其中 W1Fi 定位系统的运用较为广泛和成熟。但是由于工作环境下的信号干 扰源较多，WiFi 定位系统的定位精度会受到极大影响。通过构建 W1Fi 指纹库可以提高 系统的定位精度，但是该方法需要专业人员定期维护，不易推广。此外，WiFi 定位系统 需要预先在定位环境中布置大量的无线信号基站，成本较高，覆盖范围有限。在一些极 特殊的工作环境下，如:火场救灾、室内军事行动等，WiFi 定位系统几乎无法使用。因 此，针对室内定位的需要，研究一种不易受环境干扰，且对外围设备依赖较小的个人导 航系统显得十分重要。基于 MIMU 的导航系统的研究由此诞生。
1.2 国内外研究现状
1.2.1 DARPA 提出基于 MIMU 的个人惯性导航系统：
1996 年，DARPA 提出了基于 MIMU 的个人惯性导航系统(PINS, Per sonal Inertial Navi gati on System)项目。至此，围绕基于 MIMU 的行人导航系统的研究工作逐步展 开。基于 MIMU 的行人导航系统以微型加速度计、陀螺仪作为信息源，进而获取行人的 位姿信息。行人导航系统获取行人位姿信息的算法主要分为航位推算法和积分解算法。 航位推算法通常将 MIMU 测量单元至于行人的腰部或者腿部，利用加速度、角速度信息 求取行人运动的航向角信息并估计行人的步长，通过累加的方式得到行人的位置信息。 在实际应用中，行人相邻两步的步长往往不同，且不同运动速度间的步长差异较大，因 此对步长估计参数的自适应性有较高要求。航位推算法通过累加的方式获取位置信息， 步长估计的误差会随系统运行不断累积进而导致系统失效。同时，当行人上楼梯或者乘坐电梯时，该算法无法只依据行人的步态和步长信息获取行人的高度信息。积分解算法 利用陀螺仪输出的角速度信息,将载体坐标系下的加速度信息转换到地理坐标系下，通过积分的方式获取行人的速度和位置信息该方法不受运动场景的约束，具有更广的适应 性。但是，该方法需要将 MIMU 安装于行人的足部，如图1-1所示，使用便利性较航位推算法差。此外，MIMU 的输出误差会随着系统运行不断累积，最终体现在系统输出的位 姿信息上。
图1-1
1.2.2 Eric Foxlin 采用扩展卡尔曼滤波器：
早期行人导航系统使用的融合滤波方法.多为卡尔曼滤波器，然而卡尔曼滤波器的修 正对象多为线性系统，并不能很好地适用于行人导航系统这样的非线性系统。为此，Eric Foxlin 采用扩展卡尔曼滤波器(EKF,Extended Kalman Filter)作为 ZUPT 算法的融合滤波器。 扩展卡尔曼滤波器选用系统状态误差构建滤波器状态向量，使 ZUPT 算法可以更好的应 用于行人导航系统。ZARU 算法以陀螺仪输出的角速度误差作为系统观测量,对陀螺仪的 输出误差进行估计与补偿。因此，ZUPT ZARU 的组合修正算法较 ZUPT 算法更有助于提 高系统的定位精度。如图1-2：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
