基于自适应无味卡尔曼滤波算法的IMU/GPS集成导航系统在森林救援人员三维定位中的应用

利用可靠和准确的定位与导航系统对于拯救救援人员生命和加速救援行动至关重要。然而，全球导航卫星系统（GNSS），如GPS，在密林中可能无法提供稳定信号。因此，集成GPS和惯性测量单元（IMU）等多个传感器变得至关重要，以提高定位系统的可用性和准确性。为了准确估计救援人员的位置，本文采用了自适应无味卡尔曼滤波（AUKF）算法，进行测量噪声方差矩阵自适应调整，将IMU和GPS数据与气压高程测量相结合，以实现复杂环境中的精确三维定位。AUKF通过自适应调整测量噪声方差矩阵，增强估计的鲁棒性，尤其在GPS信号中断时表现出色。本研究在森林环境中的二维和三维道路场景进行了测试，确认基于AUKF算法的集成导航系统在紧急救援应用中优于传统的扩展卡尔曼滤波（EKF）、无味卡尔曼滤波（UKF）和自适应扩展卡尔曼滤波（AEKF）。测试进一步评估了系统在崎岖道路和GPS信号中断期间的导航性能。结果表明，系统在崎岖的森林道路上实现了更高的定位精度，与EKF相比，在北向减少了18.32%的误差，在向上减少了8.51%的误差，在向东减少了3.85%的误差。此外，系统在GPS信号中断期间表现出良好的适应性，确保在救援行动中持续准确地定位人员。