当你在手机地图上看到那个闪烁的蓝点，通常是GPS或基站在工作。但在地下停车场、高层建筑内部或隧道深处，卫星信号被混凝土吞噬，此时惯性测量单元（IMU）成为唯一的方向感来源。然而，纯惯性导航有个致命的缺陷：误差随时间指数级累积。一款安装在鞋面的IMU，仅凭陀螺仪和加速度计，三分钟后可能把你定位到隔壁大楼。
**零速更新技术（Zero Velocity Update, ZUPT）**正是破解这一困局的钥匙。它利用步行过程中一个被忽视的物理事实——脚着地瞬间速度为零——作为强有力的观测约束，将发散的误差曲线强行拉回地面。
为什么是"零速度"？
人类步态是一个周期性循环，可分为摆动相（Swing Phase）和支撑相（Stance Phase）。当 heel strike（脚跟触地）发生，脚与地面产生接触，理论上此时足部相对于地面的瞬时速度严格为零，持续约100-300毫秒，直到 toe-off（脚尖离地）。
这一瞬间的物理约束构成了完美的外部观测值。惯性导航系统（INS）通过积分加速度计算速度，积分角速度计算姿态，任何微小的传感器零偏（Bias）或噪声都会通过双重积分转化为位置和姿态的漂移。ZUPT的核心逻辑在于：每当检测到支撑相，就将卡尔曼滤波器中的速度状态强制修正为零，切断误差累积的链条。
零速检测：从信号到事件
ZUPT的前提是精准识别支撑相。工程上常用三种判据组合：
1. 加速度模值阈值法
支撑相时，加速度计读数应接近重力加速度 $g$（约9.8 m/s²），且方差极小。定义判据：
$$| |\mathbf{a}| - g | < \gamma_a \quad \text{且} \quad \sigma_a^2 < \delta_a$$
其中 $\gamma_a$ 和 $\delta_a$ 为经验阈值，通常取 $0.3g$ 和 $0.05$。
2. 角速度能量检测
脚着地时旋转几乎停止。计算陀螺仪输出的模值：
$$|\boldsymbol{\omega}| < \gamma_\omega$$
典型阈值 $\gamma_\omega$ 设为 $0.5-1.5$ °/s，取决于IMU的噪声水平。
3. 广义似然比检测（GLRT）
对于低信噪比场景，采用统计方法。构建检验统计量：
$$\Lambda = \frac{1}{N} \sum_{k=1}^N \left( \frac{|\mathbf{a}_k - \mathbf{g}|^2}{\sigma_a^2} + \frac{|\boldsymbol{\omega}k|^2}{\sigma\omega^2} \right)$$
当 $\Lambda < \eta$ 时判定为零速状态，$N$ 为滑动窗口长度（通常对应50-100ms数据）。
实际系统中，这三者常以逻辑与方式组合，防止误判。例如，仅当加速度模值和角速度同时满足阈值，且持续超过60ms，才触发ZUPT事件。
卡尔曼滤波中的观测模型
检测到零速后，如何修正导航状态？采用误差状态卡尔曼滤波器（Error-State Kalman Filter, ESKF）：
状态向量 $\delta\mathbf{x}$ 包含：
- 位置误差 $\delta\mathbf{p}$（3维）
- 速度误差 $\delta\mathbf{v}$（3维）
- 姿态误差 $\delta\boldsymbol{\theta}$（3维，等效旋转矢量）
- 陀螺零偏误差 $\delta\mathbf{b}_g$（3维）
- 加速度计零偏误差 $\delta\mathbf{b}_a$（3维）
观测方程极其简洁：
$$\mathbf{z} = \mathbf{H} \delta\mathbf{x} + \mathbf{v} = \mathbf{0} - \hat{\mathbf{v}} = -\delta\mathbf{v} + \mathbf{v}$$
其中 $\hat{\mathbf{v}}$ 是INS预测的速度，观测矩阵 $\mathbf{H} = [\mathbf{0}{3\times3} \quad \mathbf{I}{3\times3} \quad \mathbf{0}_{3\times9}]$。
关键在于：ZUPT仅直接观测速度误差，但通过滤波器的耦合作用，速度修正会"渗透"到姿态和传感器零偏的估计中。这是可观测性分析的范畴——只有与速度状态耦合的误差状态才能被间接修正。
可观测性：什么误差能被修正？
并非所有误差都能通过ZUPT消除。根据系统模型：
- 速度误差：完全可观测，每次ZUPT几乎完全归零。
- 水平姿态误差（俯仰、横滚）：部分可观测。速度修正通过重力向量的投影关系反推姿态误差。
- 航向角误差（Yaw）：不可观测。ZUPT不提供关于航向的任何信息，这是"零速更新"的盲区，需依赖地磁计或视觉回环检测。
- 陀螺零偏：缓慢可观测。持续的速度修正通过状态耦合估计陀螺漂移。
- 加速度计零偏：极弱可观测性。理论上需姿态变化才能分离重力与零偏，纯ZUPT难以有效标定。
这意味着ZUPT-INS系统长期仍会绕航向轴发散，需配合其他传感器或定期外部位置修正。
工程实现的魔鬼细节
IMU安装位置
严格安装在鞋背（脚背上方）而非鞋底。足底冲击会产生高频振动（>100Hz）和饱和加速度，超出MEMS传感器量程，导致信号削波。鞋背位置既能捕捉步态特征，又避免直接冲击。
动态阈值调整
不同运动模式下阈值需自适应：
- 行走：低阈值，支撑相明显
- 跑步：高阈值，触地时间短（<100ms），冲击大
- 爬楼梯：需禁用ZUPT，因为脚在台阶上时可能存在非零速度（身体前倾）
零速间隔的时间同步
IMU采样率通常为100-400Hz，但零速事件是二值逻辑。采用施密特触发器（Schmitt Trigger）机制，设置进入零速的高阈值和退出的低阈值，避免在支撑相边界处的抖动（Chattering）。
误差边界与性能指标
在理想条件下（平地行走，优质IMU），ZUPT可将定位误差从纯惯导的**>100米/分钟压缩至行走距离的0.5%-3%**。具体而言：
- 30分钟行走后，位置误差约10-50米（取决于步频和零速检测准确率）。
- 高度误差受限于气压计辅助，纯ZUPT对垂直速度约束与水平方向等效，但楼梯场景会退化。
实际系统中，零速检测率（Recall）需>98%，误检率（Precision）需<2%，否则滤波器会引入虚假观测，导致比纯惯导更糟的结果。
应用场景与局限性
ZUPT的典型部署包括：
- 消防应急导航：GPS拒止的浓烟环境，消防员生命体征监测与位置追踪
- 仓储物流：室内AGV或穿戴式设备的高精度定位
- 行人航位推算（PDR）：智能手机的室内导航（但手机晃动模式复杂，ZUPT效果不如鞋载IMU）
其根本局限在于航向不可观测和非步态运动失效。对于轮椅使用者、骑自行车或电梯场景，ZUPT完全失效，需切换至其他导航模式。
未来，ZUPT正与**视觉惯性里程计（VIO）**深度融合：ZUPT提供高频、低延迟的速度约束，视觉提供低频但全局一致的航向修正，两者互补构建完整的室内定位方案。
