论文部分内容阅读
随着物联网的飞速发展,可穿戴人体运动跟踪技术日益受到人们的关注与重视,在医疗保健、应急救援和影音娱乐等诸多领域得到了广泛应用。但是,现阶段的可穿戴人体运动跟踪系统主要依赖于加速度计、陀螺仪等惯性传感器,其最大挑战在于误差随使用时间的增加而增大,是不能自主恢复且逐渐累积的,即存在累积误差和漂移问题。针对上述问题,本论文开展面向人体运动跟踪的IMU/TOA融合定位模型与性能优化研究,旨在解决传统惯性可穿戴设备面临的累积误差和漂移问题。在此目标下,本论文的主要研究内容与创新点如下:(1)人体运动跟踪性能评估方法:通过理论误差下限的推导分析,从理论上证明采用IMU/TOA融合方法解决惯性传感器累积误差和漂移问题的可能性。通过对融合定位系统克拉美罗界(Cramer-Raolowerbound,CRLB)的推导,从空间性能和时间性能两个角度进行了深入分析,从理论上证明了IMU/TOA融合方法在解决累积误差问题上的有效性。仿真实验结果显示,IMU/TOA融合定位系统在空间性能和时间性能两个方面,较单一跟踪系统的性能都有较大提升,很大程度上解决了累积误差和漂移问题,可以为后续的系统设计和算法分析提供理论基础,并作为评价算法性能的有效手段。(2)人体运动的几何动力学建模:通过对人体运动跟踪的几何动力学建模,实现IMU/TOA的多源融合,解决IMU惯性系统与TOA测距系统的信息融合方法问题。提出了一种基于几何动力学的人体运动跟踪模型,将整个人体视为关节相互连接的整体,使用Denavit-Hartenberg(D-H)方程将惯性测量数据和TOA距离测量数据有机的统一为整体,将关节之间的几何约束关系统一到模型描述中,实现协同跟踪多目标间的互补几何关系,这在一定程度上限制了传感器的累积误差和漂移问题。(3)基于误差估计的人体运动跟踪优化方法:通过基于IMU/TOA联合误差估计和位置最优化方法,解决如何提高人体运动跟踪精度的问题。提出了一种基于切比雪夫中心的minmax最优化方法,从几何意义上考虑了目标的真实位置,旨在提高目标跟踪精度。通过与state-of-the-art的最优化目标跟踪方法比较,所述方法在不同测量场景(即测量方差)的情况下都表现出更好的测量精度和一致性。(4)基于IMU/TOA融合的可穿戴测量平台:将前述融合人体运动跟踪模型和算法,应用到实际的系统设计中,搭建了一套基于IMU/TOA融合方法的可穿戴测量平台。通过实际场景中的运动跟踪实验,验证了本文提出的模型及算法的有效性,具有很好的实际应用价值。