【技术实现步骤摘要】
一种基于高斯混合聚类算法的自适应行人手机姿态识别方法
本专利技术属于行人定位导航
，特别涉及了一种基于高斯混合聚类算法的自适应行人手机姿态识别方法。
技术介绍
随着智能手机的普及，基于智能手机的行人定位及导航技术成为定位导航领域中的一个重要的新兴分支。目前在室内导航情景下，比较常用的方法为行人航向推算算法(PDR)，这种方法的使用要求手机保持相对人体固定的位置以保证手机解算的航向能准确反映行人的航向。这是由于，一旦手机的姿态发生较大变动，导航系统会误判为行人的航向发生了变化，这会对定位导航结果造成严重错误的影响。此外，在日常生活场景中，根据人们的日常生活习惯，手机常处于多种放置姿态，一般可分为手持手机竖屏状态即阅读状态，手持手机横屏状态即游戏或视频状态，手持手机通话状态，手持手机甩手状态以及手机放置在裤兜的状态。所以，固定的手机携带方式极大限制了行人行走时手机的使用场景，严重影响了用户体验。为了适应更加广泛的应用场景，实现不预设手机携带方式的行人定位及导航，一种高效且适应于广大人群的对多种行人携带手机姿态的实时识别方法...
【技术保护点】
1.一种基于高斯混合聚类算法的自适应行人手机姿态识别方法，其特征在于，包括以下步骤：/n(1)对行人的手机各姿态下内部加速度传感器、陀螺仪和近距离传感器的三轴数据进行采集，量化处理，求解加速度传感器重力分量，并虚拟为重力计数据；/n(2)采用高斯混合聚类算法对待识别行人的实时手机姿态进行分类识别；/n(3)姿态转换检测，对待识别行人携带手机时两种姿态之间的转换过程进行检测与识别；/n设定滑动窗口大小为M，存储一系列时刻采样点的簇划分结果，即姿态判别结果；对滑动窗口内一系列连续手机姿态转换进行检测；/n(4)输出姿态转换检测判断结果，输出姿态转换检测判断结果；即判断是否发生姿...
【技术特征摘要】
1.一种基于高斯混合聚类算法的自适应行人手机姿态识别方法，其特征在于，包括以下步骤：
(1)对行人的手机各姿态下内部加速度传感器、陀螺仪和近距离传感器的三轴数据进行采集，量化处理，求解加速度传感器重力分量，并虚拟为重力计数据；
(2)采用高斯混合聚类算法对待识别行人的实时手机姿态进行分类识别；
(3)姿态转换检测，对待识别行人携带手机时两种姿态之间的转换过程进行检测与识别；
设定滑动窗口大小为M，存储一系列时刻采样点的簇划分结果，即姿态判别结果；对滑动窗口内一系列连续手机姿态转换进行检测；
(4)输出姿态转换检测判断结果，输出姿态转换检测判断结果；即判断是否发生姿态转换，给出两姿态转换临界过程附近的采样点。
2.根据权利要求1所述的一种基于高斯混合聚类算法的自适应行人手机姿态识别方法，其特征在于，步骤(1)中将加速度传感器输出数据虚拟为重力计在手机X轴、Y轴、Z轴三个方向上的重力分量信号，三轴陀螺仪输出数据包括在手机X轴、Y轴、Z轴三个方向上的陀螺仪信号。
3.根据权利要求1所述的一种基于高斯混合聚类算法的自适应行人手机姿态识别方法，其特征在于，步骤(2)中高斯混合聚类算法对待识别行人的实时手机姿态分别识别的方法为：
(21)设置高斯混合聚类模型初始参数；
高斯混合聚类模型初始参数为(αi,μi,Σi)，其中，μi与Σi是第i个高斯混合成分的均值和方差参数，而αi>0为相应“混合系数”，其中k为已知聚类簇数即手机姿态个数；所述各个手机姿态的高斯混合聚类模型参数(αi,μi,Σi)即各个姿态下对多名行人手机各姿态下虚拟重力计数据处理所得，计算公式为：
其中，gxpi、gypi和gzpi分别为第i类姿态下第p组虚拟重力计x、y和z轴的重力分布数据，Xpi为三维向量即第i类姿态下第p组重力计三轴数值m是用于计算第i类姿态下初始高斯混合成分的数据的总个数；
各手机姿态出现概率认为是相等的，则取
(22)初始化或更新滑动窗口，设定滑动窗口长度为H，定义变量：
A＝maxGrozm,m∈[1,H]；
其中，maxGrozm为滑动窗口中最大的陀螺仪z轴数值；计算滑动窗口内A大小，判断是否超过阈值thrl进行相应的手机位姿匹配与区分，滑动窗口每读入一个数据更新一次，窗口的总长度不变，滑动窗口长度H大于陀螺仪信号一周期的采样数据个数；
(23)进行高斯混合聚类算法匹配过程。
4.根据权利要求3所述的一种基于高斯混合聚类算法的自适应行人手机姿...
【专利技术属性】
技术研发人员：易荷田，曾庆化，黄河泽，雷棋尧，熊智，曾世杰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
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。