An Indoor Positioning Strategy based on Inertial Sensors

Abstract

The indoor scenario is also called the GPS-challenged environment due to the obstruction and accuracy reasons of the satellite based positioning methods. In this dissertation an autonomic positioning strategy is proposed, which relies solely on inertial sensors. Because of the interference immunity and unobtrusiveness of the Inertial Measurement Units (IMUs) the reliability and invulnerability of the system deserves to be enhanced substantially. Previously all of the collected data are processed by Zero Velocity Compensation Algorithm and Moving Average Filter in order to reduce the noises in advance. Subsequently, the heading angles derive from the fusion of the gyroscope and magnetometer data so that both of their advantages are produced concurrently. On the basis of the variance analysis for the azimuth and acceleration data, the stop and turning actions are detected, by which the entire walking process are divided into separate segments. In each segment the comparatively uniform step patterns are processed with the specified parameters exclusively. In addition Kalman Filter is employed to further remove the jitters in the acceleration signals. After that the steps are recognized by the successive peak-trough pairs. Particularly, the step lengths are estimated according to two self-developed mathematical models, for walking and running respectively. The relations between the step length, frequency and variance are revealed after a multitude of experiments. The average deviation rates of both the estimation models are 10.99% and 19.66% which are superior to all of the related works. With respect to map matching, particle filter is utilized to constrain the moving trajectory to the physical surroundings. Moreover, the uncertainties caused by gesture changing are expected to be eliminated by this probabilistic algorithm to a great extent. In the same experiment scenario by applying particle filter, the average deviation declined from 1.96 m to 1.21 m. Therefore the accuracy is improved by 38.27%. With the physical layout information, the positioning results would be rectified as well. Eventually the digital barometer is selected for floor detection. In comparison this scheme demonstrates stronger operability than the previous solutions. On the basis of the statistics, the effectiveness of the approach reckoning the relative altitude from atmospheric pressure is able to maintain for more than 10 minutes. As a result, with a few calibrations the indoor positioning system is extended to the multi-storied scenarios.

Das indoore Szenario wird die GPS-herausgeforderte Umwelt genannt wegen der Nachteile z.B. die Blockierung und Genauigkeit in den satelite-bezogenen Positionierungsmethode. In dieser Dissertation wird eine autonome Positionierungsstrategie hervorgebracht, die sich lediglich auf die Inertialsensoren stützt. Wegen der Störfestigkeit und Unaufdringlichkeit der Inertialsensoren, werden die Zuverlässigkeit sowie Unverwundbarkeit des Systems sich erheblich verbessert. Zuallererst werden alle sammelnde Daten vom Zero Velocity Compensation Algorithmus und gleitenden Durchschnitt-Filter bearbeitet, um das Rauschen im Voraus zu reduzieren. Anschließend stammen die Steuerkurswinkel aus der Datenverschmelzung vom Gyroskop und Magnetometer, um beide Vorteile gleichzeitig auszunutzen. Nach der Varianzanalyse für die Azimute und Beschleunigungen, werden die Bewegungen z.B. die Stopps und Abbiegungen detektiert, damit der ganze Ablauf des Gehens in getrennten Abschnitte geteilt wird. In jedem Abschnitt werden die relative gleichförmige Schrittmuster mit den spezifizierten Parametern bearbeitet. Außerdem bürgert Kalman Filter sich ein, um die Grate im Beschleunigungssignal weiter zu entfernen. Danach werden die Schritte anhand von den aufeinanderfolgenden Gipfel-Tal Paare erkannt. Insbesondere, jeweils für Gehen und Laufen werden die Schrittlänge mit zwei selbst-entwickelten mathematischen Modelle errechnet. Die Beziehungen zwischen die Schrittlänge, Frequenz und Varianz werden nach einer ansehnlichen Menge Experimente entdeckt. Die durchschnittliche Abweichung-Raten von beiden Modelle sind jeweils 10.99% und 19.66%, die vorzüglicher als alle bisherige Modelle sind. In Hinsicht auf das Problem über die Kartenanpassung, wird Particle Filter verwendet, um die Bewegungsbahn auf die physikalischen Umgebungen zu schränken. Ferner werden die Ungewissheiten von diesem Wahrscheinlichkeitsalgorithmus in großem Maße abgebaut, die von den Gesteveränderungen verursacht werden. Beim Experimentalszenario, mit Particle Filter anzuwenden verringert die durchschnittliche Abweichung sich von 1.96 m auf 1.21 m. Deshalb erhöht die Genauigkeit sich um 38.27%. Die Informationen über den Grundriss und die Einrichtung können auch behilflich sein, die Positionierungsergebnisse zu berichtigen. Zum Schluss wird der digitale Barometer für die Geschosse zu erkennen ausgewählt. Im Vergleich zu den vorherigen Lösungen zeigt das Verfahren mit Barometer die bessere Bedienbarkeit. Nach den Statistiken kann die Validität der Verfahrensweise für länger als 10 Minuten behalten, die relative Höhe mit dem Luftdruck einzuschätzen. Infolgedessen, mit einigen Kalibrierungen kann das Indoorpositionierungssystem sich auf den mehrgeschossigen Szenarios ausbreiten.