MEMS陀螺仪随机误差KF补偿方法的普适性验证

针对MEMS陀螺仪随机误差成为影响系统导航精度的主要因素及建模存在的普适性等问题，提出一种3次卡尔曼迭代估计的误差补偿方法。采用Allan方差对MEMS陀螺仪随机误差参数进行辨识，同时结合MEMS陀螺仪输出数据自相关与偏相关函数具备的拖尾性，设计基于时间序列ARMA的MEMS陀螺仪误差卡尔曼滤波模型。采用同型号6只MEMS陀螺仪惯性测量单元搭建测试环境，并开展导航验证实验，结果表明，经过滤波处理后的MEMS陀螺仪各项误差系数明显降低，且滤波效果随滤波次数的增加而增强。6组MEMS陀螺仪测试设备显现出的误差减弱趋势具有一致性，姿态误差对比结果也进一步验证了该方法的可行性。     

步态特征提取的K均值聚类自适应判别

针对微惯性零速修正算法中步态特征的准确提取,以及步态特征的无规律性成为制约行人导航系统中步态信息提取与辨识的问题,该文提出一种基于K均值聚类自适应的行人步态特征辨别方法。分析行人步态规律并通过设定角速率阈值法对步态特征进行初判后,采用K均值聚类自适应算法设定时间阈值并将误判的步态进行纠正。为验证该算法的普适性,分别针对不同测试个体和同一个体5组不同行走速度条件下的步态特征判别实验,结果表明,本文提出的步态自适应判别方法对不同个体具有良好的适应性;为进一步验证K均值自适应步态判别算法对人员位置解算的准确性,分别开展圆形及400m跑道闭合行走实验,对比不同行走路径对应的位置误差可看出,解算位置误差虽然随行走距离增大而增加,但其相对误差均不超过2%。