微机电系统(Micro-Electro-Mechanical System,MEMS)技术在移动设备中发挥着关键作用,因其器件尺寸小、功耗低等特点而被广泛应用于导航与定位、机器人、无人机等领域。由MEMS构成的独立系统无法在卫星信号拒止环境下实现精确定位,其定位误差会随时间累积。而基于可穿戴航姿参考系统(Attitude and heading reference system,AHRS)的定位系统可以利用步态作为先验信息来减少误差,能实现短期的室内高精度定位,是目前的研究热点。本文以实现单一AHRS自适应不同佩戴位置的定位为核心,从人体拓扑结构识别展开,实现了可切换AHRS佩戴位置的定位方法,具体研究内容如下:1.本文提出了人体拓扑结构识别(Body Topology Recognition,BTR)算法。通常,在利用基于MEMS器件的AHRS进行导航的定位系统中,AHRS佩戴位置不同,则同一算法中关键的参数不同。比较典型的佩戴位置包括脚背、脚踝、小腿、腰部、头部、手腕,这些位置不仅能够反映人行走过程的运动特征,而且还便于佩戴。通过获取行人在行走状态下6个典型位置传感器数据,设计了基于步态信息的特征构造方法,并构建以梯度提升决策树(Gradient Boosting Decision Tree,GBDT)为基础的分类器,引入实时检测,完成了整个BTR算法的设计。该方法可以实现上述6个典型佩戴位置的准确识别,实时性控制在1.2s以内。2.本文提出了不同佩戴位置的步态检测算法。通过不同佩戴位置的运动特征和步态之间的关联,本文将人体运动区域分为了3个大的类别,包括下肢、躯干和手。针对3类位置的运动特征,提出了3种步态检测算法,且可以配合BTR算法识别结果来使用,灵活性较高。3.本文提出了一种步长补偿方法。在行人行走过程中,当切换AHRS佩戴位置时,应用BTR算法识别人体拓扑结构,会占用切换后状态的1.2s时长,导致轨迹绘制中缺失此处的步长,针对该问题,本文在轨迹绘制中引入步长补偿,确保了轨迹绘制的连贯和完整。本文通过实验验证了提出算法的有效性和可重复性。实验结果表明,本文提出的BTR算法能准确地识别6个典型的佩戴位置,准确率能达到99.11%,同时,步态检测算法的精度达99.40%。最为主要的,本文通过将BTR算法、步态检测算法和步长补偿方法相结合,实现了行人行走过程中,定位模块由下肢切换到躯干后的准确定位,保证了轨迹绘制的连续性和实时性,且短距离室内定位精度能够实现低于2%的距离误差和端到端误差。这突破了传统定位模块单一位置佩戴的局限性,实现了其佩戴的灵活性、多样性和友好性,可广泛用于人或机器人的姿态解算、姿势识别、航迹推算等方向,具有较高的使用价值和应用前景。