【技术实现步骤摘要】
一种基于行人运动状态的自适应步长估计方法
本专利技术涉及室内定位领域,具体涉及一种基于行人运动状态的自适应步长估计方法。
技术介绍
随着社会的不断进步和发展,出现了很多室内建筑如大型购物商场、机场和游乐场等,因此,室内定位技术有着巨大的发挥空间。行人航迹推算(PedestrianDeadReckoning,PDR)算法是一种近年来越来越受到研究人员的重视的室内定位技术。而步长估计是PDR技术中非常关键的一环,步长估计的精度将直接影响PDR技术的定位效果,所以提高步长估计的精度是具有重要研究意义的。而且步长的估计在其他领域也有巨大的发挥空间,如健康检测领域、运动模式分析领域等等。现有的步长估计方法一般采用特定的步长计算公式,其公式参数给定后就无法变动,并且在估计行人的步长时将行人限定在特定的运动状态下,如正常行走。这与实际情况极度不符,行人的运动状态应该是随意变化的,所以当行人改变了运动状态后,现有的步长估计方法会出现巨大的估计误差,无法适应行人的运动状态。
技术实现思路
本专利技术的目的在于克服现有技术的不足,提出一种能够满足行人多种运动状态的步长估计方法,提高步长估计的精度。本专利技术可以应用于内置加速度计的智能终端设备,技术原理简单,易于推广使用。一种基于行人运动状态的自适应步长估计方法,具体包括下面6个步骤:步骤1.由智能终端内置的加速度计采集行人在运动过程中的加速度数据和磁力计数据;步骤2.数据的预处理;步骤3.数据的周期分割。步骤4.检测行人每一步中加速度的最大值和最小值,同时计算行人每步的行走频率和加速度方差。步骤5.提取每一步的特征,通过分类器识 ...
【技术保护点】
1.一种基于行人运动状态的自适应步长估计方法,其特征在于包括如下步骤:步骤1.由智能终端内置的加速度计采集行人在运动过程中的加速度数据和磁力计数据;步骤2.数据的预处理;步骤3.数据的周期分割;步骤4.检测行人每一步中加速度的最大值和最小值,同时计算行人每步的行走频率和加速度方差;步骤5.提取每一步的特征,通过分类器识别行人每一步的运动状态;步骤6.根据分类器的运动状态识别结果,采用合适的步长参数估计行人的步长。
【技术特征摘要】
1.一种基于行人运动状态的自适应步长估计方法,其特征在于包括如下步骤:步骤1.由智能终端内置的加速度计采集行人在运动过程中的加速度数据和磁力计数据;步骤2.数据的预处理;步骤3.数据的周期分割;步骤4.检测行人每一步中加速度的最大值和最小值,同时计算行人每步的行走频率和加速度方差;步骤5.提取每一步的特征,通过分类器识别行人每一步的运动状态;步骤6.根据分类器的运动状态识别结果,采用合适的步长参数估计行人的步长。2.根据权利要求1所述的一种基于行人运动状态的自适应步长估计方法,其特征在于步骤2的具体实现如下:2.1.加速度数据的预处理2.1.1由加速度计收集的三轴加速度计数据ax,av,az来计算平均加速度atotal;2.1.2移除平均加速度atotal中的重力加速度分量;2.1.3通过一个数字域截止频率fLP=0.2π的4阶巴特沃斯数字低通滤波器过滤加速度中的高频噪声分量,获得最终的加速度序列a:2.2.磁力计数据的预处理:由磁力计收集的三轴磁力计数据hx,hy,hz来计算平均地磁场强度htotal。3.根据权利要求2所述的一种基于行人运动状态的自适应步长估计方法,其特征在于所述步骤3中的周期分割具体包括如下步骤:步骤3.1.根据过零检测法获得加速度数据的零点集合S1;步骤3.2.根据周期约束,获得下一个峰谷值的预测范围;步骤3.3.根据动态时间规整约束,精炼步骤3.2获得的预测范围;步骤3.4.在步骤3.3获得的预测范围内搜索最值,即为下一个峰值或谷值;步骤3.5.将峰值和谷值的检测结果转化为零点的检测结果,获得预测零点;步骤3.6.根据预测零点,剔除零点集合S1中的假零点,获得真实零点集合S2,S2中的每两个零点记为一个周期;所述步骤3.2的具体实现过程如下:3.2.1第一个峰值(谷值)和第二个峰值(谷值)由峰值检测法获得;当检测到两个峰值(谷值)后,继续后续步骤;3.2.2下一个峰值的候选点其所处时刻与上一个峰值时刻的差值(下一个谷值的候选点其所处时刻与上一个谷值时刻的差值)ti应该满足如下周期约束:ti∈((1-γ)*T,(1+γ)*T)其中,γ为预测范围长度控制参数,根据实验经验设定;T为不断更新的周期模板,其更新方式如下:Ti为当前周期模板,Ti+1为下一次的周期模板,t为当前峰值与下一个峰值之间的时刻差;3.2.3搜索所有满足周期约束的候选点获得下一个峰值(谷值)的预测范围RP;所述步骤3.3的具体实现过程如下:3.3.1构造匹配序列:其中,和分别为第i-1个峰值(谷值)所处时刻和第i个峰值(谷值)所处时刻;a为步骤2预处理过后的加速度序列;3.3.2构造测试序列集合:V={v1,v2,…,vj,…,vk}其中,vj为第j个测试序列,由上一个峰值(谷值)时刻到预测范围RP中的第j个点之间的加速度数据组成;3.3.3计算DTW距离集合:D={DTW(μ,v1),DTW(μ,v2),…DTW(μ,vj),…DTW(μ,vk)}其中DTW(μ,vj)为匹配序列μi-1和测试序列vj根据DTW计算得到的距离值;3.3.4根据如下DTW约束获得更加精确的峰谷值预测范围RD:其中,和τ为预测范围RD的长度控制参数,Dmin为DTW距离集合D中的最小值;3.3.5通过观察RD是否为空集来判断行人是否改变运动状态,完成行人在进行连续不同的运动状态情况下的计步;所述步骤3.4的具体实现过程如下:当进行峰值检测时,在预测范围RD内寻找对应加速度最大的值做为下一个峰值时刻;当进行谷值检测时,在预测范围RD内寻找对应加速度最小的值做为下一个谷值时刻;所述步骤3.5的具体实现过程如下::根据如下公式将峰值和谷值的检测结果转化为零点的检测结果:其中,tze...
【专利技术属性】
技术研发人员:姚英彪,潘雷,姚遥,冯维,许晓荣,刘兆霆,姜显扬,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。