行人导航智能多传感器系统外文翻译.docx
《行人导航智能多传感器系统外文翻译.docx》由会员分享，可在线阅读，更多相关《行人导航智能多传感器系统外文翻译.docx（29页珍藏版）》请在冰点文库上搜索。
行人导航智能多传感器系统外文翻译
学号：
09446335
常州大学
毕业设计（论文）外文翻译
（2013届）
外文题目AnIntelligentMulti-sensorSystemforPedestrianNavigation
译文题目行人导航智能多传感器系统
外文出处http:
//www.scirp.org/journal/PaperInformation.aspx?
Paper
ID=342&JournalID=71
学生虞祖耀
学院怀德学院专业班级电子091
校内指导教师段仲麒专业技术职务讲师
二〇一三年三月
行人导航智能多传感器系统
摘要。
在研究的项目——“行人导航系统在室内或室外环境的结合”（NAVIO），我们正在发展的现代智能系统和服务的对于行人导航和指导。
在现代，先进的智能化多传感器系统应该能够使用3d方式定位一个用户的所在位置。
因为卫星定位与全球导航卫星系统（GNSS,GPS等）不能在任意的环境条件下工作（如在城市,峡谷,没有卫星信号的地方和室内），一个组合和集成其他传感器（如航迹传感器、惯性导航系统（INS）,室内定位技术,手机定位等）的系统的建立是至关重要的。
利用知识型系统，用我们的方法使得一个松散耦合的雇佣传感器能实现和模拟开发出一个多传感器融合模型。
至少我们可以看到现在知识系统是十分健全和完善的。
应当依据以知识型系统来决定应该使用的传感器，从而获得当前用户的一个最优的估计位置和权重的观察。
新的算法将会是一个综合巨大优势和不同的传感器工作性能的为一体的的算法，其服务质量会有显著的提高。
在本文中将对基本原理的新方法进行描述。
为了测试和演示我们的方法和结果,该项目需要考虑一个实际的场景,即对行人的导航指导，我们从维也纳技术大学的附近的公共交通开始着手。
第一场测试的结果可能会证实,一个行人在一个城市地区，不论是在室内还是室外的环境下，这种服务都可以实现高水平的绩效指导。
虽然城市地区的障碍物频繁的导致卫星定位的失常，但是3D定位技术的定位标准误差仍然可以控制在几米范围内。
因此，GPS可以用来弥补中断了150米航迹的观察并且提供所需的定位精度。
室内区域卫星定位能被替换为室内定位系统（如。
WiFi,UWB）。
由于开发先进的传感器是可以被预期的,这样的多传感器解决方案将被部署在行人导航服务。
对于这些已经开始的应用程序，我们坚信它们在定位服务领域将扮演一个重要的角色，在不久的将来会有一个快速的发展。
关键词.行人导航、集成定位、多传感器融合、卡尔曼滤波器,、知识型系统。
1.介绍
所研究的项目NAVIO（行人导航系统在室内环境或室外环境的结合）。
我们正致力于发展现代智能导航系统和服务,为行人提供导航和指导。
因而研究工作是分为三个不同的模块进行的，例如第一个模块为“综合定位”，第二个模块是“行人路径建模”和第三个模块为“多媒体路由通信”。
为了测试和证明我们的方法和结果，该项目设计了一个真实的情景去模拟，例如引导游客去维也纳技术大学的某个部门。
在本文中我们将集中于研究工作，并且在第一个工作环节中产生相对的结果。
对于具有挑战性的任务，我们是这样处理的
——有能力实时跟踪运动的行人，使用不同的合适的位置的传感器，通过评估获得用户最精确的位置
——可以通过三个层面、高精度的定位到用户（包括能确定一个用户在一个多层建筑中正确的所在楼层）
——有能力在室内外实现无缝过渡连续定位测定
因此，首先必须由自身经验丰富的行人提供导航支持，像位置、方向、运动的用户以及联系相关匹配的地理信息和在真实世界中所存在的问题。
使用位置传感器对最适合的指导和导航服务选择进行分类。
行人导航系统包括全球定位系统、全球导航卫星系统定位技术和室内定位技术，手机定位，推算传感器（如磁罗盘，陀螺仪和加速度计）用来测量航向和旅行距离，以及气压传感器用来测量高度。
我们建议未来的一部分研究工作应放在发展现代化的先进的移动智能传感器系统上，可以用于任何个人导航应用，特别是当个人在外地时所需要的基于定位的服务。
由于卫星定位系统与导航系统（如伽利略系统、全球定位系统等），不能在任意的环境条件下工作（如在没有知名度的城市、峡谷等），结合与集成其他传感器（如推算传感器，惯性导航系统），对于实现手机定位是必不可少的。
现在我们正在对一个松散耦合传感器进行处理，在一定意义上，一个混合系统的功能将会被实现。
因此，它的进一步发展提出了一个利用知识型系统的多传感器数据融合模型。
根据我们现在所了解到的知识系统，是完全可以实现它的。
应根据当前用户所获得的最佳估计位置和相对的权重观察参数，并且在基于知识系统的条件下来选择应该被使用的传感器。
新的算法将极大的有益于整合不同传感器之间的性能，传感器所能提供的服务质量将大大改善。
我们现在主要发展的重点将是基于知识系统的演绎的多传感器融合模型。
在本文中将描述关于基本原理的新的方法。
这里有一个实际中的例子，在NAVIO项目中，我们研究部门通过维也纳技术大学公共运输站，对关于游客的引导进行调查。
我们将介绍第一次使用航位推算传感器的结果。
2.概念的智能化多传感器融合模型
应根据在NAVIO项目中智能化多传感器数据模型来整合不同传感器和定位方法。
利用知识型系统，使用卡尔曼滤波方法对一个用户的当前位置进行估计。
图1显示了一个工艺流程的智能化多传感器数据融合模型。
首先，观察每一个传感器，然后利用对一个以知识体系为基础的预处理过滤器的多传感器的位置技术。
在这一步，对我们来说最为可靠的意见就是进行测试，对严重错误和异常值的检测和消除。
先分析和纠正意见，然后用卡尔曼滤波器对用户当前位置、速度和运动方向进行最优估计。
在对这一加工步骤所有合适传感器观测确定之前，使用随机滤波模型是适应使用知识的预处理步骤。
例如，如果在目前由于一个过高的几何精度因子而使得全球定位系统精度较低，那么权重的观测就可以被减少（即被损坏的卫星接收机）。
然后对于用户所在位置的最优估计应该基于其他传感器的观察（例如航位推算传感器）。
图1工艺流程的智能化多传感器数据融合模型
在以下的原则里，以知识为基础的预处理过滤器将做更详细的讨论
3.知识库系统的原理
我们选择了一个知识型的方法那就是提供一个能够自动预处理的传感器的观察。
在下文中，我们将对基本的知识型系统做简要的介绍。
他们在人工智能领域研究的成果——程序，在定义良好的问题域下模仿人类专家被称为知识系统（例如史蒂芬克。
1998）。
其优于传统技术的是编程语言（如Delphi、Fortran和C++）.
——对于知识的问题域需要从一般的解决问题的知识着手，这使得它更容易被知识型工程师所掌握。
——专家知识的存在，往往可以在不用转换为复杂的定义和程序的程度下，捕获到一种知识的规则和形式。
知识型系统的组成分为以下几个主要部分：
一个知识库，一个干扰引擎，用户接口，一个知识采集工具和一个讲解工具。
各种知识型方案的表示都可以采用，例如规则、框架、语义网络等等。
每种方法都有其利弊。
结构的基于规则的方法与人们日常解决问题的方法十分的类似。
因此专家们发现它十分便于表达自己的知识形式（即情况——行动对）。
此外，规则的表示方法并不需要复杂的知识编程结构。
我们为了实现一个知识型系统可以通过实践中的不同方法加以完成，如程序方法、面向对象方法、逻辑方法等。
在实践中也采用不同的方式加以组合，为实施知识型预处理过滤规则为基础的面向对象的方法是选择法。
基于规则的系统有两部分组成，即工作记忆（WM）和一套规则或所谓规则的记忆。
WM是一个集存储原件，其本身是实例化的一个工作记忆的类型。
WMT可以视为用帕斯卡尔语言记录的声明或者是用C语言编写的结构声明。
二者共同组成一个以规则为基础的系统规则。
规则库总共由三组规则构成。
即：
——规则选择合适的算法
——规则的预定义的必要参数
——规则确定的顺序的算法
规则是一分为二的，即左手边（LHS）右手边（RHS）。
对于“左手边”规则来说，它是由先决条件的规定而制定的，而对于“右手边”规则来说是由具体的实际行动而制定的。
如果所有的前提刻度都是适合的，那么这个规则就是可以适用的，反之即不适用。
然后指定的行动在“右手边”规则下进行。
规则可以被视为所谓的数据报表。
例如：
如果（情况一和情况二）然后（行动）。
有一个所谓相匹配的算法，即在该阶段，所有的规则是核对所有与工作记忆相关的元素，这个是一种有效的实践。
在匹配结果是相冲突的阶段，期中包括了准备被放弃的实例。
策略性的选择一个规则实例来解决冲突，这实际上就是放弃。
编码规则是进行编程语言的选择。
编码的规则是选择中执行编程语言。
实现在知识型预处理过滤器基础上实施剪辑。
执行上文所述的规则处理。
在研究下表明此正向推理的进程是运行于识别行为周期之后的。
对于符合条件的数据库正向推理的具体规则是从现有数据库中实现双边原则，对于符合条件的数据库，其行动部分那些适合（或者不适合）的行动改变了现有的数据库。
这个过程的重复只要没有明显的限定就可以被应用了。
识别行为周期包括以下三个步骤，即：
——检测作为第一步，对所有的规则进行可能性的测试
——规则的选择作为第二步，在选中的预选规则中选择出一个特定的规则
——行动作为最后一步，选定规则或其适应的行动部分
这个运行周期只要没有限定就可以被执行或者停止信号的输出
4.卡尔曼中央滤波器
经过预处理过滤器，利用合适的传感器和定位技术，在一个卡尔曼中央滤波器处理下对运动中的用户的速度、位置、方向做出最优的估计。
利用这种递归的方法，再根据用户运动行为和现实中个观察，可以对行人的运动状态进行估计。
卡尔曼滤波器提了一个精确解的线性高斯滤波问题，这个问题完全由其状态向量和协方差矩阵决定的。
在过滤过程中要求减少预测量并且要更新这些统计参数。
该系统的三维运动学方程运动模型是用来预测从一个时间点到下一个时间点过程中某个运动状态的行人（如目前位置。
速度和方向）。
不同类型的模型的不同参数可以包括在状态向量x（k）中。
以下参数可以用来描述状态系统：
——用户在三维坐标y,x,z中的位置
——三维速度vy,vx,vz,
——三维加速度ay,ax,az,
——以地平线为基准的方向运动（航向）φxy
——地平面的速度v
——以地平面为基础的径向加速度arad
如果状态向量x（k）包含六个参数，即当前位置的三维坐标y,x,z和速度vy,vx,vz，运动学模型描述了一个常数的线性运动。
恒定加速度运动是描述九个参数的状态向量，除了以往的三维加速度ay,ax,az也包括运动学模型。
恒定的径向运动可以说是由不同参数的状态向量决定的，即：
当前位置的三维坐标y,x,z，航向坐标φ，以地平线x，y和z轴方向上的速度为基础的速度v和加速度arad。
利用这些模型对用户的运动进行预测会略有不同，与第一种模型相比，第二种模型没有使用加速度这个量，而第三种新型径向运动模型没有使用切向加速度。
模拟结果表明，第三种模型很好的近似的描述出行人的运动行为。
图2显示了卡尔曼中央处理器的构架。
它由四个不同的模块组成，用来叙述当前环境下（户外或者室内）的行人，或者运动中的行人（行人移动或者不移动），或者需要考虑一个可能出现故障的过滤器。
因此对于户外环境下的可能出现故障的全球定位系统的检测是十分重要的，其出现故障可应归于故障的几何卫星接收机或者多路径定位。
从知识型的预处理过滤器在通过运动学模型和观测数据得出的结果中推出了一个额外的统计评价的偏差（例如测试使用的新方法，即在卡尔曼滤波器中真正的观测和预测的测量之间存在差异）并且进行一个适当的加权的全球定位系统的观测的随机筛选模型。
在室内环境中的滤波器的估计主要是基于航位推算传感器。
在这种情况下如果没有采用其他室内位置定位系统就采用用户的绝对坐标来表示。
航位推算观测主要依赖于目标传感器的输出（即数字罗盘）。
类似的分析在室外环境下的GPS的观测，观测的数字指南针可分析出严重的错误和异常并且它们的权重是由卡尔曼滤波器导出。
在这种情况下如果行人不运动，观察器不能重新确定一个新的估计位置，但是能保持之前确定的状态。
如果过滤器发生故障则需要重新初始化。
5.行人导航传感器
不同的定位技术的集成和传感器是必不可少的现在先进的导航系统。
从而共同主要依靠卫星定位导航系统（GNSS）对绝对位置进行确定。
使用航位推算进行观察，锁定卫星信号的损失通常使用桥接来弥补。
由于其他定位技术主要传感器的局限性（例如利用卫星的全球导航系统和利用航位推算传感器的巨大漂移速率）应纳入个人导航系统的设计，以加强全球导航卫星系统和航位推算传感器定位。
在已经开发的个人导航系统中，可以采用其他无线电定位系统和无线的地理定位技术。
继Pahlavan等人之后，在开发的无线定位技术可以区分为两种基本方法，即一个系统的方法，仅设计为使用特定的无线电信号，第二个是已经建立无线基础设施（如WiFi或UWB）位置确定的定位。
由此，第二种方法的优点是通常没有额外购买昂贵的硬件设施的需要。
这些系统已经被运用，特别是在发达国家的家居室内被应用，但是这些技术也可以被运用在室内和室外或者城市的环境中。
一种方法是使用位置确定的WiFi信号。
这种方法的基本原理可以通过分析找到。
在一项研究中，一个WiFi指纹法的性能已经在最近被测试，它可以被总结概括使得在1~3米内的定位精度得以实现。
此外，我们的研究项目NAVIO的行人导航服务采用航位推算传感器（DR）：
——重点研究航位推算模块DRMIII
——霍尼韦尔数字罗盘模块HMR3000
——弩加速度CXTD02
——维萨拉压力传感器PTB220A
重点研究航位推算模块DRMIII是一个自包含在还没有操作所需的GPS导航单元。
它根据用户的步幅和速度技术、磁北和气压高度来提供出独立的位置信息。
该模块被设计成在使用适当的GPS接收机是采取自校准模式，可以提供在GPS失锁情况下的可靠的位置数据。
该系统包括一个集成了12通道的GPS接收机，天线，数字罗盘，计步器和测高仪。
该模块一个安置于用户皮带的夹层中，GPS天线可以附着在帽子上。
固件的传感器信号转换成离散参数，计算罗盘方位，检测步伐数，计算高度和进行航位推算位置的计算。
内部的卡尔曼滤波算法，是结合航位推算GPS位置，以获得用户当前位置和轨道位置的最优估计值。
航位推算模块和GPS结合在了一起，一个明确的观点是，在天空中就可以取得初步的定位。
修复程序必须出示估计位置误差100米或者以下，之后开始初始化。
随后的修复是使用航位推算和GPS数据，因此阻塞的卫星不并不作为关键因素，因为GPS只是一个硬件配置。
。
卡尔曼滤波器不断更新校正步幅和罗盘的安装偏移。
在用卡尔曼滤波器分析出GPS数据之前，GPS位置误差必须小于30米，并且在第一阶段这样的修复也将初始化模块所对应的经度和纬度。
随后，过滤器将使用任意的GPS定位，其估计位置误差在100米或者以下，不断调整步幅，位置偏移，方向，经度和纬度。
在项目NAVIO中所使用的霍尼韦尔HMR3000数字罗盘模块采用精确的方向判定行人的位置。
HMR3000由一个磁传感器和两轴倾斜传感器组成。
一个低功耗、小设备安装在一个非磁性的金属外壳内，可以很容易的安装在任何平台之上。
一个成熟的汽车指南针的校准程序将校正磁效应平台。
宽动态范围的磁强计在大局部磁场环境下HMR3000将会很有用。
对于传感器上磁干扰的影响已经经过测试，并且Retsche和Thienelt对其做了介绍。
可以看出，如果干扰源在距离传感器30厘米的地方（例如笔记本电脑或一个金属打火机），发生干扰的偏差只有2~3度。
但是，当干扰源离传感器距离更短的时候就会产生较高的偏差。
因此传感器应远离手机、金属打火机、硬币和钥匙。
对于测量行人的加速度来说，弩加速度计CXTD02应该可以被采用。
CXTD02是一个倾斜角和加速度传感器，使用三轴MEMS加速度计测量倾角和加速度。
它必须保持在很宽的温度范围内才能提供出更高的性能和更高的精度。
低本地噪声和真实的直流响应，保证了其长期的稳定性。
应当对传感器怎样用来测定行驶距离、间距和滚 - 颠传感器平台进行详细分析。
此外，维萨拉传感器PTB220A在空气压力变化的情况下采用高度差异的测定方法。
PTB220A被设定为在一个规定环境压力和温度范围内，具有极高准确性的测量。
开始从一个给定高度的压力的变化转换为高度的变化，可以使用下面的等式：
HH2H118464（10,0037tmlgB1lgB2
式中H是两个位置和之间的高度差，和是在位置和位置处的压力观测值，是两个位置的温度的平均值。
它必须给出一个在中欧有效的近似方程。
最近进行测试表明，我们能正确的定位在多层建筑中使用这种传感器的用户。
6.传感器测试
在NAVIO项目中进行实际测试，即对于在不同建筑特定的办事处的人进行定位或者，在维也纳科技大学指导游客方向。
由此，我们假定访问者采用的行人导航系统使用不同的传感器实行集成定位。
开始点附近的公交站点，例如位于维也纳市中心的地铁站Karlsplatz。
已经进行了两个不同GPS接收机的测试，在这个方面Retscher和Thienelt已经提出了相关实例。
由于障碍物引起周围四五层建筑经常发生GPS信号的丢失，所以大部分地区行人的路线必须通过航位推算桥接来弥补。
只有在一个公园的地铁出口处或者孤立的交叉路口，可以接收到足够质量的GPS信号。
因此，这个地区是适合测试绝对和相对的航位传感器和位置传感器组合的。
在这方面，进一步的传感器测试预计在未来几个月将被执行。
在维也纳美泉宫的公园的另一个实验区已经进行第一次测试的测量和航位推算模块DRMIII的重点研究,如图3所示。
这个测试网站已经被选定为它提供免费的可见卫星图。
图4显示了在美泉宫公园的航位推算观测以及GPS测量沿475米长的轨道。
在航位推算模块采用加速度计测量，对步行的行人和行驶距离进行计数，使用预定义的值得到步幅的长度。
利用GPS观测的步幅可以被校准。
此外，罗盘和陀螺仪用于测量航向或运动方向。
在图4中显示的航位推算观测是在不使用GPS校正情况下得到的。
他们到达的范围内偏差超过150米的距离为7米和20米，对于给力才磁道来说超过了200米。
GPS测量的最大偏差为7米图4给出了从内部的卡尔曼滤波器的DRMIII模块中计算出结合GPS和航道传感器观察到的所得到的轨迹。
在航道传感器的观测中可以看出，大的漂移率可以减少。
一个合理的定位精度，使用航道传感器观测，GPS中断（例如当GPS不可用时），对于150米~200米的长度可使用桥接。
然而，对于较长的GPS失锁，其他的定位技术可以采用修正的航道传感器漂移，提供绝对位置的估计。
图5显示了在维也纳技术大学，我们的办公大楼对于维萨拉压力感器PTB220A进行试验观察。
该建筑有5层楼，我们的部门位于3楼。
可以清楚的看出，在图5中，该传感器具有高精度，能够确定用户的正确楼层。
对于90%的观测值来说，压力观测的标准差是在±0.2帕萨卡范围内，所确定的高度最大偏差小于±1米。
图3在维也纳美泉宫公园现场测试图
图4在维也纳美泉公园里测试测量与航位推算模块DRMIII
不同的测试结果可以证实，一个行人导航服务可以达到一个很高的性能水平，无论是在市区还是室内或者室外都可以对用户进行导航。
虽然障碍物会导致频繁的卫星定位失锁，但是在城市地区可以实现对在数米范围内的标准偏差的3D定位。
因此GPS中断达150米，但是可以结合单元式定位所需的定位精度进行航位推算观测从而达到桥接的目的。
室内区域卫星定位可以通过更换室内定位系统来实现（如无线指纹传感器，Retscher，2004），对于处在高出的用户，可以使用气压传感器进行观察。
7.结论
通过传感器测试可以看出，可以采用不同的定位技术和航位推算传感器的组合来实现确定行人位置的可靠性和精确性。
一种在卡尔曼滤波器基础上扩展出来的，新的多传感器信息融合模型，利用知识型传感器进行预处理的观测，可用于所有观测数据的集成。
以知识为基础的预处理过滤器是一个延伸的多传感器融合模式的方式，数据为基础的系统分析和建模的补充，因此不能直接量化的知识和信息是通过制定和实施规则。
这一规则需要进行预处理步骤测试，如果他们符合一定的行动，那么其将被执行。
由于知识型的分析传感器观测到的粗差和离群点可以被发现和消除。
此外，预处理过滤器供给卡尔曼中央滤波器的随机模型的输入值。
因此，可以根据在卡尔曼滤波器中观测到的可用性和质量对权重传感器进行调整。
这种方法将被执行，随后将展开进一步的传感器测试。
由于先进的传感器的发展，我们可以预计出在不久的将来，这种多传感器解决方案将被部署在行人导航服务。
我们相信这些服务会在基于位置的服务中发挥重要的作用。
图5维也纳科技大学办公楼的压力传感器测试图
http:
//www.scirp.org/journal/PaperInformation.aspx?
PaperID=342&JournalID=71
AnIntelligentMulti-sensorSystemforPedestrianNavigation
G.Retscher
InstituteofGeodesyandGeophysics,ViennaUniversityofTechnology,Austria
Gusshausstrasse27-29,A–1040Wien,Austria
Abstract.Intheresearchproject“PedestrianNavigationSystemsinCombinedIndoor/OutdoorEnvironements”（NAVIO）weareworkingonthedevelopmentofmodernintelligentsystemsandservicesforpedestriannavigationandguidance.Intheprojectmodernandadvancedintelligentmobilemulti-sensorsystemsshouldbeemployedfor3-Dpositiondeterminationofauser.DuetothefactthatsatellitepositioningwithGNSS（Galileo,GPS,etc.）doesnotworkunderanyenvironmentalcondition（e.g.inurban“canyons”withnosatellitevisibilityandindoor）acombinationandintegrationwithothersensors（e.g.deadreckoningsensors,inertialnavigationsystems（INS）,indoorlocationtechniques,cellularphonepositioning,etc.）isessential.Inourapproachaloosecouplingoftheemployedsensorsshouldbeachievedanditisproposedtodevelopamulti-sensorfusionmodelwhichmakesuseofknowledge-basedsystems.Asfaraswecanseenowknowledge-basedsystemsca
升级会员 