传感器融合方法为急救人员提供精确定位和跟踪

十多年来，在GPS拒绝的基础设施深处，第一响应者的精确定位一直是消防安全和应急人员社区难以实现的目标。目标是在数十分钟内将位置精确定位到几米以内。巧合的是，这些目标与战术导弹制导系统的目标几乎相同，今天选择的解决方案可能至少花费10，000美元，并且具有令人望而却步的尺寸，重量和威力。这些相同的解决方案被用于第一响应者的早期概念验证演示器，但被证明是实际部署的障碍（成本和规模）。

因此，急救人员的位置确定仍然是当今最复杂的位置应用之一。没有一种银弹传感器可以实现预期目标，但需要多个技术节点，每个节点都处于能力的前沿。此外，它还涉及大规模的传感器融合和系统集成方法。

高性价比的高性能MEMS惯性传感器现在可以为潜在的解决方案提供种子。本文设想了一个完整的传感器到云传感器融合系统，包括高度复杂的算法。

主要办法和使能技术见下文表1。

 

目标	方法
检测移动/位置的无基础设施手段	惯性传感器
能够精确确定绝对参考点	超宽带无线电测距
传感器处理以最佳方式合并所有机会信号	卡尔曼和粒子滤波算法
强大的通信链路	体和回程可靠通信
地图，搜索/救援协调	基于云的分析和数据基础

 

系统开发人员面临的主要挑战可归纳为以下三大类：程序、环境和传感器融合。在设计多传感器解决方案的过程中，必须毫不妥协地理解第一响应者任务的高度复杂性，加上各种极端环境带来的挑战。

程序

消防安全搜救任务遵循高度纪律化的过程，同时必须适应完全不确定的现实生活场景。可部署的精确定位系统必须最大限度地适应现有的流程和设备。由此产生的一个要求是在没有任何固定或临时基础设施的情况下运行，因为急救人员通常已经背负着大量设备（重量和成本）的负担。任何系统开发都应从早期阶段开始就以实现小型化嵌入式设备和智能手机量级的响应者成本为目标。在这里指出，现有的智能手机位置性能非常不足，因此存在挑战。图 1 概述了所需系统最相关的主要和次要操作要求。

图1.定义第一响应者设计问题的关键操作要求。

环境的

虽然户外定位在GPS覆盖下变得无处不在，但完全室内或混合（室内/挑战室外）环境的支持要少得多。一些室内定位情况（如购物中心）可以通过安装的基础设施来实现，但是，对于第一响应者的目标来说，这些既不精确，也不实用。对于跟踪系统的系统设计人员，以下注意事项推动设计定义、组件选择和风险缓解方法：

射频传播路径。

温度/冲击对传感器的影响。

基础设施损坏/改变的可能性。

传感器融合

前面提到的过程和环境挑战是此问题的核心设计方法（传感器融合）的基础。选择相关的主检测模式，以在关键操作模式下提供不折不扣的性能，同时互补传感器与应用每个阶段的关键障碍相匹配，如表2所示。

 

传感器	效益			限度
	绝对参考	动态响应	无基础设施
外部全球定位系统/射频	•			无视线通道
惯性微机电系统		•	•	漂移误差
磁	•		•	场干扰
气压	•		•	环境敏感性

 

由于MEMS能够在没有外部基础设施的情况下运行，并在动态环境中提供精度，因此如果能够在极端环境中运行，并且与适当的次级传感器配合使用，则有望在整个解决方案中发挥主要作用。

微机电系统的进展

虽然消费惯性MEMS器件已经朝着商品化的方向发展（对性能规格的关注有限），军用MEMS仍然非常昂贵，但工业和汽车MEMS（见图2）的目标是实现性能和成本水平。

图2.工业级MEMS器件即使在极端运动动态下也能实现低噪声和稳定运行。

与消费行业相比，工业和汽车行业需要在相对复杂和极端的环境中进行精确传感，该领域的供应商已经采用了专门调整的架构特征，以拒绝性能批评者，例如离轴运动、振动和冲击事件，以及由于时间和温度引起的误差。虽然这种设计特征通常最容易通过更大的传感器或更昂贵的工艺来实现，但汽车和日益重要的工业市场的经济压力迫使采用更关键的方法来设计性能和成本效益。结果是MEMS元件具有极具吸引力的性能/价格定位，这些元件专为工业应用而开发，如表3所示，其中比较了三类主要元件的误差相对于行进距离的百分比。工业级MEMS可以提供几乎与高端军用设备一样好的导航能力，同时以合理的价格与商品化的消费MEMS组件相媲美。

 

微机电系统性能	误差，占行驶距离的百分比
军用级	~0.1
工业	~0.5
消费者	>>25

 

这一优势的原因需要更深入地研究MEMS元件相对于目标应用的关键规格。在第一响应者目标的情况下，MEMS传感器的一项关键任务是识别正在经历的运动类型，并测量步数和步幅。与行人运动模型相反，第一响应者的运动将更加随机、动态且难以辨别。此外，由于精度目标，传感器必须能够抑制虚假运动，例如振动、冲击以及脚或身体的左右摇摆/摇摆。除了基于传感器噪声的简单精度分析（这对于行人模型来说可能就足够了）之外，第一响应者模型还必须包括线性g抑制和跨轴灵敏度等关键规格。表4提供了工业和低端MEMS器件的并排比较，查看了三个值得注意的规格的RSS误差组合。不难看出，噪声不是有害因素，而是线性g和交叉轴性能，许多低端器件甚至没有指定，是最重要的问题。

 

微机电系统规格	工业		低端
性能	规范	冲击	规范	冲击
噪声密度（°/秒/√Hz)	0.004	0.036	0.0100	0.089
线性-g （°/秒/g）	0.01	0.020	0.100	0.200
横轴 （%）	0.09	0.090	2.00	2.000
预计误差（°/秒）		0.099		2.012
假设：50 Hz 带宽，2 g rms 振动，100°/秒离轴旋转

 

虽然仅在短短几年前，高性能惯性传感器主要只能通过光纤等方法实现，但工业MEMS工艺现在已经清楚地证明了它们可以胜任这项任务，下表5中指出了关键导航指标的相对比较。

 

错误	工业微机电系统 （°）	光纤 （°）
标题	0.14	0.13
辊	0.10	0.08
投	0.10	0.08

 

如图2所示，ADIS16488A就是一个工业MEMS IMU示例，它集成了10自由度高性能检测，并且还通过了最苛刻的应用（商用航空电子设备）的认证（如表6所示），表明它已准备好满足急救人员的极端应用需求。

 

惯性传感器，稳定性	5°/小时，32微克
带宽	330赫兹
线性g效应，振动校正	9毫比/克;0.1 毫比/克2
温度系数（偏置、灵敏度）	2.5毫平秒/°C;35 页/°C
温度/振动/冲击	DO-160G， 军用标准-810G
可靠性	>35，000小时
设计保证	DO178/254

 

惯性MEMS性能的进步，以及质量和耐用性的持续证明，现在正与集成方面的重大进步相结合。最后一个障碍尤其具有挑战性，因为如果不小心管理，传感器尺寸可能与性能和耐用性成反比。必须证明和合并一系列高度战略性、协调性和具有挑战性的工艺进步，以实现此应用所需的性能密度水平，如图3所示。

图3.工业MEMS IMU在性能、尺寸、成本和集成度（不折不扣）方面不断进步，以独特的方式实现急救人员等关键应用。

传感器加权

为给定应用选择合适的传感器之后，进行深入分析，以了解它们在整个任务的不同阶段的权重（相关性）。在行人航位推算的情况下，解决方案主要取决于可用设备（例如智能手机中的嵌入式传感器），而不是性能设计。因此，人们严重依赖GPS，而其他可用的传感器（如嵌入式惯性和磁性传感器）对确定有用位置信息的任务仅提供一小部分贡献。这在室外工作得相当好，但在具有挑战性的城市环境或室内，GPS不可用，并且其他可用传感器的质量很差，在位置信息的质量上留下了很大的差距，或者换句话说，不确定性。尽管通常采用先进的滤波器和算法来合并这些传感器，但如果没有额外的传感器或质量更好的传感器，该软件实际上几乎没有缩小不确定性差距，这最终会显着降低报告位置的置信度。图 4 从概念上对此进行了说明。

图4.基于智能手机的行人导航主要依赖于GPS，带有补充但未优化的预嵌入传感器，在运动检测的高置信度或可靠覆盖方面留下了显着差距，仅靠算法无法解决。

相比之下，工业航位推算场景（如第一响应者）专为性能而设计，系统定义和组件选择由特定的精度要求指导。质量明显更好的惯性传感器使它们能够发挥主要作用，并小心利用其他传感器来缩小不确定性差距。从概念上讲，算法更侧重于传感器之间的最佳加权、切换和互相关，以及对环境和实时运动动力学的感知，而不是外推/估计可靠传感器读数之间的位置（见图 5）。

图5.通过专门针对第一响应者任务全覆盖的传感器选择，系统的准确性和可靠性大大提高。

上述任何一种情况下的精度都可以通过改进质量传感器来提高，虽然传感器滤波和算法是解决方案的关键部分，但它们本身并不能消除有限质量传感器的覆盖范围差距。

精确定位和映射 （PLM） 系统

对于第一响应者跟踪的特定情况，任务已分为以下阶段，以便最好地评估传感器处理要求：到达现场、部署、建筑物内部和救援 - 表 7。据设想，消防车配备了高端GPS/INS系统，该系统能够在到达现场时对车辆的位置进行地理定位，作为已知的参考点。从这一点开始，直到消防员进入建筑物，有一个不确定和随机的运动序列，精确定位和映射系统依赖于超宽带测距实现来保持消防员位置和方向的准确定位。进入结构后，惯性传感器成为主要的跟踪传感器，目标是提供几米的定位精度。如果需要，该系统设计为仅依靠惯性传感器，但也能够在可用且可靠的情况下利用其他机会信号，例如UWB测距信号，磁力计校正和气压测量。如前所述，实现的算法不仅跟踪位置，而且生成搜索模式的实时路径图。如果消防员倒下或遇险，从初始路径生成的地图是救援消防员的补充传感器输入，救援消防员也由惯性传感引导。

 

任务间隔	初级传感	辅助传感	时期	准确性
到达现场	全球定位系统	惯性的	—	地图修复
部署	超宽带	惯性的	未知	分米
大楼内	惯性的	机会的信号	~30分钟	米
救	惯性的	路径图，其他	纪要

 

虽然高性能传感器肯定是PLM系统的核心，但以下因素也是该系统的关键推动因素：

深入了解组件传感器及其在应力下的漂移特性/限制。

对人体运动模型有广泛的了解。

详细的应用程序级别见解和操作模式定义。

这些为传感器融合处理的实施提供了定义、指导和边界（参见图 6）。处理的核心是粒子过滤器，它随着时间的推移跟踪多个可能的运动，在过滤器区分它们时消除错误的路径。传感器本身分布在消防员身上，以获得最佳性能，无线身体网络以及坚固的回程通信网络无缝连接消防员、救援人员、指挥和控制，以及基于云的地图和协调，如果可能和有用。

图6.PLM 系统是基于高性能传感器、互补传感器过滤和处理以及基于云的数据库和分析的完整传感器融合解决方案。输出是精确的位置和搜索路径图。

精确的定位和映射系统提供了一种无基础设施的定位检测方法，利用高性能传感器和高级算法以最佳方式合并所有机会信号。系统目标是米级精度和实时路径图生成。工业级MEMS惯性传感器的进步使PLM成为可能，完整的系统开发方法允许解决技术障碍，同时实现商业指标。

持续的工作重点是集成最新一代传感器的进步，并将其与第一响应者操作场景定义中的新见解相匹配。最终集成将包括优化的外形尺寸和机身位置，以及更完整地实施所需的通信链路和最终系统认证。

审核编辑：郭婷