一种基于MEMS惯性传感器和FM广播信号的步长估计方法技术

本发明专利技术公开了一种基于MEMS惯性传感器和FM广播信号的步长估计方法，通过支持向量机回归方法将惯性传感器特征和FM广播信号特征组合起来以实现步长估计，方法包括：基于MEMS加速度计实现行人的步数检测，基于MEMS惯性传感器信号以及FM广播信号提取多种特征并使用主成分分析方法对提取的多特征进行降维以剔除冗余特征，最后采用SVR融合多项特征，经过训练以及预测两个阶段后实现步长估计。本发明专利技术使用MEMS惯性传感器与FM广播信号进行步长估计，不需要身高等先验信息或调参过程；通过引入与距离变化有关且不受运动速度或人影响的FM广播信号特征，既减小了MEMS惯性器件偏差和噪声对于性能的负面影响，也保证了算法对于不同速度与不同人的实用性。与不同人的实用性。与不同人的实用性。

【技术实现步骤摘要】
一种基于MEMS惯性传感器和FM广播信号的步长估计方法


[0001]本专利技术涉及室内导航定位
，具体涉及一种基于MEMS(Micro
‑
Electro
‑
Mechanical System)惯性传感器和FM(Frequency Modulation)广播信号的步长估计方法。

技术介绍

[0002]随着近年来智能手机的大范围普及，室内定位的应用越来越广泛，包括博物馆指南、购物指南、搜索和救援、移动广告和可定位的社交网络等。全球导航卫星系统(Global Navigation Satellite System,GNSS)经过几十年的发展已成为室外定位的标准方案。然而，在室内，人员的移动比室外要频繁，频繁的人类活动与大量的墙壁、门、家具等因素导致GNSS信号在室内受到衰减和多径的严重影响，无障碍直线传播的条件常常难以达到。因此，GNSS系统在室内环境中接收卫星数量少，信号强度低，难以满足精确定位的要求，室内定位系统通常利用其他途径来实现精确定位。
[0003]在室内定位系统中，行人航位推算(Pede本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MEMS惯性传感器和FM广播信号的步长估计方法，应用于室内行人定位系统中，其特征在于：通过使用支持向量机回归SVR方法将包含三轴加速度计和三轴陀螺仪的MEMS惯性传感器特征和FM广播信号特征组合起来以实现步长估计，包括以下步骤：步骤一：对MEMS惯性传感器中加速度计输出进行降噪滤波处理，再综合过零检测和时长约束两种方法进行行人的步数检测，得到步数检测结果即行人的行走步数；步骤二：基于步骤一中步数检测结果对MEMS惯性传感器数据与FM广播信号数据进行分段，每一段对应行人一步的数据；对每一分段的原始数据提取各段的多特征，多特征包括FM广播信号的信号强度RSSI的平均值、极差、方差、中值、功率谱质心、频域熵特征以及三轴加速度标准差和偏斜、三轴角速度的标准差和偏斜、加速度能量、角速度能量、加速度幅值的标准差和极差、角速度幅值的标准差和极差、加速度幅值的峰值间隔时间；再使用主成分分析方法对于所述多特征进行降维，得到剔除了冗余特征、无关特征以及干扰特征后的有用特征；步骤三：采用SVR方法融合步骤二中提取的有用特征实现步长估计，具体包含两个阶段：训练阶段和预测阶段，训练阶段选择包含不同速度的数据作为训练集并构建训练模型，此阶段将训练集的真实步长以及使用步骤二得到的有用特征输入至SVR方法中，得到训练模型；测试阶段使用此训练模型预测真实步长未知的测试集数据的步长，完成步长估计。2.根据权利要求1所述的基于MEMS惯性传感器和FM广播信号的步长估计方法，其特征在于：所述步骤二具体包括如下步骤：首先，对行人行走的每一步的MEMS惯性传感器和FM广播信号原始数据进行特征提取，其中使用三个频道的FM广播信号数据；所述原始数据是FM广播信号的接收信号强度RSSI、载体加速度和角速度，提取的多特征具体如下：(1)每个FM频道RSSI的平均值；(2)每个FM频道RSSI的极差；(3)每个FM频道RSSI的方差；(4)每个FM频道RSSI的中值；(5)每个FM频道RSSI的功率谱质心；(6)每个FM频道RSSI的频域熵；(7)三轴加速度的标准差；(8)三轴角速度...

【专利技术属性】
技术研发人员：丛丽，秦红磊，田婧楠，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：